知识卡片

普通读书笔记卡 · 10087.a.3 · 生成模型:未记录

SVD压缩词向量

理解等级:中级

共现或 PPMI 向量的维数随词汇量增大,且多为零。奇异值分解将矩阵表示为 UΣVᵀ,其中奇异值反映对应基轴的重要性;保留较重要的部分可构造低维表示;降维是近似,会丢失部分原始信息。

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

    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:所谓 降维 (dimensionality reduction),顾名思义,就是减少向量维度。但是,并不是简单地减少,而是在尽量保留“重要信息”的基础上减少。