知识卡片
正点互信息截断负值
正点互信息 PPMI 将 PMI 的负值截为零,使结果非负;零共现导致对数发散的问题在书中实现中用微小值处理。PPMI 改善原始共现计数对高频词的偏向,但所得矩阵仍可能高维且稀疏。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 自然语言和单词的分布式表示 · 查看原书依据
当 PMI 是负数时,将其视为 0,这样就可以将单词间的相关性表示为大于等于 0 的实数。
参考来源
- 位置:《深度学习进阶:自然语言处理》第2章《自然语言和单词的分布式表示》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0007_split_004.html)
- 结论依据:原文给出相关定义、方法或示例。
- 原始内容:当 PMI 是负数时,将其视为 0,这样就可以将单词间的相关性表示为大于等于 0 的实数。