文本表示方法及其谱系综述

近年来，随着基于人工神经网络且高度可扩展的文本表示方法的出现，自然语言处理领域取得了前所未有的发展与成熟。借助分布假说，已能将文本复杂的语言信息提炼为多维稠密数值向量。随之，文本表示方法演进极快，研究界难以掌握这些方法及其相互关系。我们从三方面弥补缺乏编撰、整合与系统化的不足：提供当前方法综述、将其排布为谱系、并概念化文本表示方法的分类体系以审视和解释前沿现状。我们的研究对关注推荐系统、聊天机器人与情感分析等自然语言处理应用的人工智能研究者和从业者而言，是有价值的指南与参考。