Jul, 2023

Company2Vec -- 基于公司网站的德国公司嵌入

PDF
TL;DR使用 Company2Vec 模型，通过对公司网站数据进行 Word2Vec 嵌入和降维分析，本研究论文提出了一种新的表示学习应用。Company2Vec 能够维护语义语言结构，并在精细粒度的行业中创建高效的公司嵌入。这些语义嵌入可用于银行业的各种应用，包括语义业务分析和行业预测等。矢量化的嵌入结构还可通过余弦距离衡量公司之间的相似性，从而提供比标准行业标签（NACE）更细粒度的公司比较方法。此外，研究提供了基于公司嵌入的 k-means 聚类的替代行业分割方法，最后还提出了三种算法用于对等公司识别，包括以公司为中心、以行业为中心和以投资组合为中心。
company2vecrepresentation learningsemantic embeddingsindustry predictionpeer-firm identification
发现论文，激发创造
  • word2vec, node2vec, graph2vec, X2vec: 结构化数据的向量嵌入理论

    该研究探讨了图形和关系结构的矢量表示，以及生成这些表示的方法。作者提出了两种理论方法来理解矢量嵌入的基础，并建议未来的研究方向。

    Mar, 2020

  • Wikipedia2Vec: 从维基百科学习和可视化单词和实体的嵌入向量的高效工具包

    该论文介绍了基于 Python 的开源工具 Wikipedia2Vec，通过一次命令及 Wikipedia 的数据，有效地学习了来自于 Wikipedia 的词语和实体的 embedding， 在实验中取得了 KORE 实体相关性数据集上的最新成果，这也为各种标准基准数据集提供了有竞争力的结果。

    Dec, 2018

  • 应用深度学习技术于全球网络中的医学语料库：一个原型系统与评估

    本研究采用 Word2Vec 深度学习工具对医学语料库进行了测试，以验证其在未结构化文本中识别关系的潜力，结果表明 Word2Vec 的排名生成和检索结果质量不足以用于知识库自动填充，但可作为手动筛选的起点。

    Feb, 2015

  • 利用表示学习研究产品竞争

    Product2Vec 是一种基于 Word2Vec 方法的表示学习算法，通过对商品进行嵌入，来分析市场结构和制定产品线优化策略，并结合经济理论和因果推断对 Word2Vec 进行改进，以提高预测需求和价格弹性的准确性。

    May, 2020

  • Vec2Vec: 一种高保真度文本嵌入转换的紧凑神经网络方法

    本研究提出了一个名为 Vec2Vec 的网络模型，它可以将开源的 768 维 MPNet 嵌入转换为 1,536 维的 text-ada-002 嵌入，其平均余弦相似度可达 0.932，并且可以用于以更低成本、更高效的方式进行搜索和数据隐私保护。

    Jun, 2023

  • 使用 Node2Vec 学习得到的嵌入进行社区检测和分类保证

    通过对大型网络的节点进行嵌入，得到欧几里德空间中的表示是现代机器学习中的一个常见目标，该研究工作就对 node2vec 学习到的嵌入进行了理论性的分析，证明了其在聚类任务中表现出较弱的一致性，并对其在网络数据中的应用进行了讨论。

    Oct, 2023

  • 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

  • Lbl2Vec: 面向预定义主题的无监督文档检索基于嵌入的方法

    本文介绍了一种无监督方法，通过学习嵌入式文档和单词向量，从未标记的文档数据集中检索出预定义主题的文档，并可用于多类文档分类，使用 Lbl2Vec 工具可方便地复制此方法。

    Oct, 2022

  • 银行业的词嵌入

    本文研究了使用银行特定语料库构建的词嵌入，相对于使用文本语料库构建的 Word2Vec 或 BERT 嵌入，银行特定语料库的嵌入在银行特定语义和词相关性的捕捉方面表现更好，因此可能成为银行业特定 NLP 任务的一种有效数据源。

    Jun, 2023

  • 基于语义概念嵌入的文本相似度估计

    通过结合传统词嵌入和语义概念嵌入，基于多网语义网络形式化提出的语义概念嵌入（CE）能够提高预测目标群体的准确性。

    Jan, 2024