PulseAugur
中
实时 10:40:36
English(EN) Sparse Mutual Information Graph Averaging for Improving Random Indexing Embeddings

新方法通过稀疏PPMI图平均改进随机索引嵌入

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种方法，通过与稀疏正点互信息（PPMI）图进行平均来改进随机索引（RI）嵌入。该技术在童话语料库上进行了测试，在语义类比任务上的准确率从19.4%提高到30.7%。虽然这种图平均方法对RI显示出潜力，但在其他数据集和任务上与Skip-gram和CBOW等神经网络基线相比，其竞争力较弱。 AI

影响 引入了一种改进词嵌入的新技术，可能为特定NLP任务提供梯度基方法之外的替代方案。

排序理由 详细介绍改进词嵌入新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法通过稀疏PPMI图平均改进随机索引嵌入

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Sriram Loganathan, Gokul Anand, Aung Bo Bo, Yourui Shao, William B. Andreopoulos ·

    用于改进随机索引嵌入的稀疏互信息图平均法

    arXiv:2608.05724v1 Announce Type: new Abstract: Sparse word embedding pipelines can avoid dense co-occurrence matrix materialization, dense factorization, and gradient training while still relying on sparse global corpus statistics. This paper studies Random Indexing (RI) vectors…

相关实体

相关话题