👨⚕️主页： gis分享者
👨⚕️感谢各位大佬 点赞👍 收藏⭐ 留言📝 加关注✅!
👨⚕️收录于专栏：AI大模型原理和应用面试题
文章目录
- 一、🍀回答重点
- 二、🍀扩展知识
一、🍀回答重点
Word Embedding可以通过将词汇表示为稠密的向量，从而使文本分类任务更加高效和准确。具体而言，它使得相似的词汇在向量空间中具有相近的表示，从而能够捕捉文本中的语义关系。
此外，每个子层都伴随着残差连接（Residual Connection）和层归一化（Layer Normalization）。
二、🍀扩展知识
下面来说下 Word Embedding 是如何增强文本分类任务的，以及一些常见的方法和技术。
1）通过捕捉语义关系来提高分类性能：
- 在传统的文本分类方法中，我们通常会使用 Bag-of-Words 或 TF-IDF 等方法来表示文本。然而，这些方法只能捕捉词汇的出现频率而不能捕捉词汇之间的语义关系。Word Embedding 能够将词汇映射到一个连续的向量空间，使得语义相近的词汇在向量空间中更接近，从而提高模型对文本的理解和处理能力。
2）常见的 Word Embedding 技术：
- Word2Vec：由
