NLP ——句向量表示

NLP ——句向量表示

• 基于Word2vec
  （1）
  （2）
  
• 基于GloVe
  GloVe词向量模型融合了全局矩阵分解方法（Matrix Factorization）和局部文本框捕捉方法（word2vec），是一种用于获得单词矢量表示的无监督学习算法。
  Gensim加载GloVe训练的词向量
• Doc2Vec（Gensim）
  Doc2vec是在Word2vec的基础上做出的改进，它不仅考虑了词和词之间的语义，也考虑了词序。
  Doc2Vec有两种模型，分别为：句向量的分布记忆模型（PV-DM: Distributed Memory Model of Paragraph Vectors）和句向量的分布词袋（PV-DBOW: Distributed Bag of Words version of Paragraph Vector）。
• Fasttext
  Fasttext可以实现高效学习单词表示和句子分类；Fasttext是一个快速文本分类算法，与基于神经网络的分类算法相比有两大优点：
  • Fasttext在保持高精度的情况下加快了训练速度和测试速度
  • Fasttext不需要预训练好的词向量，Fasttext会自己训练词向量