基于接地词嵌入的探索：用图像增强 Skip-Gram 模型匹配词与图像
计算与语言
2018-09-11 v1
摘要
词嵌入旨在用低维向量表示词的语义。学习词嵌入的最优方法（word2vec 和 GloVe）仅使用词共现信息。所学得的嵌入是实数向量，对人而言难以理解。在本文中，我们提出一种图像增强 Skip-Gram 模型，通过在与图像向量相同的超平面内表示词向量来学习接地词嵌入。实验表明，我们的模型学到的图像向量与词嵌入高度相关，这说明我们的模型能够为词嵌入提供生动的基于图像的解释。
关键词
引用
@article{arxiv.1809.02765,
title = {Exploration on Grounded Word Embedding: Matching Words and Images with Image-Enhanced Skip-Gram Model},
author = {Ruixuan Luo},
journal= {arXiv preprint arXiv:1809.02765},
year = {2018}
}