一份随选餐数组嵌入：低成本高效的语义特征向量引入

ACLMay, 2018

一份随选餐数组嵌入：低成本高效的语义特征向量引入

A La Carte Embedding: Cheap but Effective Induction of Semantic Feature Vectors

Mikhail Khodak, Nikunj Saunshi, Yingyu Liang, Tengyu Ma, Brandon Stewart...

TL;DR本文通过使用预训练词向量和线性回归，基于 GloVe 等嵌入的新理论结果，提出了 a la carte embedding 方法，该方法适用于未知词、n-gram、synset 和其他文本特征。实验结果表明，此方法只需少量文本样本，即可获得高质量的嵌入表示，并在一些无监督的文档分类任务中取得了最好的效果。

Abstract

Motivations like domain adaptation, transfer learning, and feature learning have fueled interest in inducing embeddings for rare or unseen words, n-grams, synsets, and other textual features. This paper introduces a la carte embedding, a simple and general alternative to the usual word

embedding glove linear regression text feature unsupervised learning

发现论文，激发创造

Tsetlin 机嵌入：用逻辑表达式代表单词

本文提出一种利用命题逻辑表示单词语义的词嵌入方法，使用 Tsetlin 机器自编码器进行学习，探讨了其在自然语言处理领域中的重要性，对比了其他模型，研究表明在多项分类任务中表现良好，且具有一定的可解释性。

Jan, 2023

在线学习计算词向量

本文提出一种从少量辅助数据中即时预测稀有词嵌入的方法，并在阅读理解、文本蕴含和语言建模等任务中，与仅在任务端训练的嵌入相比，展现了更好的结果。

Jun, 2017

使用通用和特定词嵌入来分类研究的翻译阶段

本文探讨使用无监督学习的方法，通过单词嵌入在词向量空间内学习语义相似性，以实现对文本分类任务的性能优化。研究发现，使用领域特定的词嵌入可以提高分类性能。

May, 2017

CoLLEGe: 大型语言模型的概念嵌入生成