连接GloVe与word2vec
计算与语言
2014-11-27 v2 机器学习
机器学习
摘要
由Jeffrey Pennington等人提出的全局词向量表示方法（GloVe）被报道为一种高效且有效的学习词向量表示的方法。word2vec工具中实现的带负采样的跳元模型（SGNS）也提供了当前最优的性能。在这篇短文中，我们解释了两个模型训练目标之间的相似性，并表明SGNS的目标与一种特殊形式的GloVe的目标相似，尽管它们的代价函数定义不同。
引用
@article{arxiv.1411.5595,
title = {Linking GloVe with word2vec},
author = {Tianze Shi and Zhiyuan Liu},
journal= {arXiv preprint arXiv:1411.5595},
year = {2014}
}
备注
5 pages, 2 figures