本文介绍一种基于词嵌入组合方法，该方法旨在通过满足新向量与其组成部分的向量表示之间的距离一致且最小化来实现给定一组词的公平嵌入表示。该嵌入组合方法可适用于静态和上下文相关的词表示，适用于创建句子的表示，并学习不一定按序组织的词组的表示。我们理论上表征了这种表示存在的条件并推导了解决方案。我们在数据增强和句子分类任务中评估了该方法，研究了嵌入和组合方法的多种设计选择。我们展示了我们的方法在解决用于捕捉句子简单语言特征的探测任务方面的卓越效果。
Jun, 2024
提出了一种基于嵌入的查询框架，使用矢量空间嵌入复杂逻辑查询，将查询表示为盒子并将合取作为盒子交集表示，而将极限作为在 DNF（析取正规形式）中转换后处理。
Feb, 2020
在多项组合任务中，我们提供一项神经词表示和基于共现计数的传统向量空间之间的比较研究。在三个不同的语义空间中，我们实现了七个基于张量的组合模型，并在涉及动词消歧和句子相似性的任务中进行测试。在大规模任务中，神经词嵌入表现优越，表现稳定。
Aug, 2014
本文提出了一种基于关系视图的框架，使我们可以研究本体知识和不同类型向量空间嵌入之间的兼容性，并证明了一些现有的嵌入方法无法建模一些简单的规则，同时研究了关系建模为凸区域的模型，发现使用凸区域可精确表示所谓的准链式存在量规则的本体，从而对于所有在这个向量空间内运用的事实都是逻辑一致和推导闭合的。
May, 2018
本篇论文提出了一种新的方法，通过利用分类集合的互补分区来减少嵌入大小，使每个类别有一个唯一的嵌入向量，从而在模型损失和准确性方面提高表现，并在保持参数数目下降的同时，相对于哈希技巧，减少嵌入表大小。
Sep, 2019
提供一种使用词向量嵌入表示整个文档的有效方法，通过将文档和查询表示为单词向量集，使用单词集中每个单词对之间的相似性来计算标准相似性度量，提高 TREC 自适应数据集中的平均精确度。
Jun, 2016
在人工智能领域，学习并拥有类人类的智能需要处理认知的本质概念和生成这些概念的新的组合的能力，本文研究了这两种能力之间的关系，并发现基于向量的表示方法可以提高这两种能力，此观察结果与神经科学研究一致，为实现类人智能迈出了重要一步。
May, 2023
本文介绍了一个新的自然语言推理任务数据集，旨在解决人工智能中的句子组成意思的问题，使用深度神经网络学习语义向量表示法，得出发现表明 Inference 等现有句向量算法性能较差，但使用本文提供的数据集进行训练，可提高测试性能和提高人工智能系统的表现水平。
Feb, 2018
本研究通过两种方法（基于相关性的融合检测和加法融合检测）揭示了嵌入式表达是多信号的融合，并在知识图推荐系统中发现与用户人口统计数据相关的信号。
Nov, 2023
通过引入具有上下文增强能力的关系连接操作符和与关系操作符兼容的嵌入操作符，结合关系数据库管理系统与表示学习模型的特点，实现了关系连接操作与上下文丰富的向量数据处理的混合处理，从而达到了从逻辑到物理的全面优化，极大提升了执行时间。
Dec, 2023