skip-gram model | BriefGPT - AI 论文速递

关键词skip-gram model

搜索结果 - 10

通过识别具有桥连特征的重要节点生成基于 Skip-gram 的节点嵌入的事后解释
本文提出了 GRAPH-wGD 方法来解决解释 Skip-gram 基础嵌入的挑战问题，并且通过实验表明该方法在节点分类和链接预测方面具有更高的重要分数和更改类标签预测的能力。
PDFa year ago
REFINE: 随机范围网络嵌入寻找器
该论文提出了一种名为 REFINE 的算法，该算法利用随机矩阵分解技术对庞大的节点进行嵌入，以提高网络表示的效率和准确性。该算法基于跳字模型，使用正交约束和矩阵分解技术，使用随机阻塞 QR 分解快速获得节点表示。此外，该算法还设计了一种简单
PDF3 years ago
InfiniteWalk：带有非线性的拉普拉斯嵌入的深度网络嵌入
本研究通过对窗口大小 T 趋近于无限大的情形下，对 Qiu 等人的目标函数进行简化，证明了其将 DeepWalk 与谱图嵌入联系在一起的结论，并表明非线性性质是现有方法的核心进展。
PDF4 years ago
基于视觉语境的多模态词表示学习
本研究提出了一种同时利用文本和视觉上下文以学习多模态词嵌入的端到端方法，通过将视觉上下文元素整合到多模态 skip-gram 模型中，探索了何种因素可以作为视觉上下文，并进行了实验和分析。
PDF7 years ago
WSDM利用自嵌入特征改进单词表示的负采样
本文提出了一种基于多维特征动态选择负采样的算法，以解决在 skip-gram 模型中使用流行度采样器的梯度消失问题，实验证明其在提高效果的同时并不增加计算复杂度。
PDF7 years ago
负采样增量式 Skip-gram 模型
本文从经验和理论两个角度，探索了一种用于 skip-gram 模型的增量式训练策略，通过提供简单的增量式扩展并深入理论分析，解决了现有神经词向量嵌入算法（包括 SGNS）的多遍训练和无法进行增量式更新的问题，实证实验证明了其正确性和实用性。
PDF7 years ago
ACL将分布式词汇对比集成到词向量中用于反义词 - 同义词区分
该论文提出了一种新的向量表示方法，将词汇对比整合到分布式向量中，并加强了确定词语相似度度量的最显著特征。改进后的向量模型明显优于标准模型，并且可以跨词类（形容词，名词，动词）将反义词从同义词中区分开来。此外，该论文还将词汇对比向量整合到跳字
PDF8 years ago
命名实体消岐中词和实体嵌入联合学习
本篇论文提出了一种新型的嵌入方法，用于解决命名实体消歧问题，该方法使用了基于知识库的图模型和锚点上下文模型来映射词和实体到同一连续向量空间，并结合标准 NED 特征，实现了 93.1％的 CoNLL 数据集和 85.2％的 TAC 2010
PDF8 years ago
向量空间中多个嵌入每个单词的高效非参数估计
提出一种扩展 Skip-gram 模型的方法，它可以高效地学习每个单词类型的多个嵌入，通过联合进行词义辨别和嵌入学习，非参数地估计每个单词类型的很多不同的词义，并通过在一个拥有近 10 亿标记的语料库上训练一台机器的演示，展示了它的可扩展性
PDF9 years ago
自适应 Skip-gram 算法突破难点及歧义
本文介绍了一种自适应 Skip-gram 模型，能够自动学习所有单词在所需语义分辨率下所需的表示，并通过词义归纳任务证明了其效率。
PDF9 years ago