知识卡片
随机截断奇异值分解
对大型共现或 PPMI 矩阵执行完整奇异值分解可能耗时且占用大量内存。书中 PTB 示例使用随机化的截断 SVD,仅计算较重要的部分,再取固定数量的向量维度;因方法使用随机数,各次结果可能不同,应保留实验配置并比较结果。
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
该方法通过使用了随机数的 Truncated SVD,仅对奇异值较大的部分进行计算,计算速度比常规的 SVD 快。
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》2.4.5(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:原文解释 randomized_svd 只计算重要部分并指出随机结果差异。
- 原始内容:该方法通过使用了随机数的 Truncated SVD,仅对奇异值较大的部分进行计算,计算速度比常规的 SVD 快。