知识卡片

普通读书笔记卡 · 9350.c · 生成模型:GPT-6

词向量相似度需要明确度量

理解等级:中级

向量可用余弦相似度比较方向,也可用欧氏距离比较位置,结果受归一化和训练方式影响。维度没有越大必然越好的规则,近邻结果也不是分类概率;应保存词表、向量模型及度量约定,才可解释比较。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      所有这些向量构成一个词向量空间,而每一个向量则可视为该空间中的一个点,这样即可引入“距离”的概念,通过计算词之间的距离(如余弦相似度、欧氏距离等)来判断它们之间的语义相似度。

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html) - 结论依据:摘录中关于词向量相似度需要明确度量的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:所有这些向量构成一个词向量空间,而每一个向量则可视为该空间中的一个点,这样即可引入“距离”的概念,通过计算词之间的距离(如余弦相似度、欧氏距离等)来判断它们之间的语义相似度。