现有词嵌入方法的综合实证评估

基于向量的词表示帮助无数自然语言处理（NLP）任务捕捉语言的语义与句法规律。本文介绍现有词嵌入方法的特征，并针对诸多分类任务对其进行分析。我们将方法分为两大类——传统方法大多使用矩阵分解来生成词表示，且不能很好地捕捉语言的语义与句法规律。另一方面，基于神经网络的方法能够捕捉语言复杂的规律，并在生成的词表示中保留词间关系。我们报告了多个分类任务上的实验结果，并指出了某方法优于其余方法的场景。