walkeao的博客

Word2Vec-01Word2Vec-01Skip-gram模型模型介绍层级softmax负采样subsample参考文献Skip-gram模型模型介绍  给定词序列w1,w2,...,wi−c,...,wi−1,wi,wi+1...,wi+c,...,wTw_1,w_2,...,w_{i-c},...,w_{i-1},w_i,w_{i+1}...,w_{i+c},...,w_T：sk

SLIM: Sparse Linear Methods (TopN推荐) 本文摘要： SLIM 模型介绍 SLIM 模型优势和劣势 目录 SLIM Sparse Linear Methods TopN推荐目录SLIM 模型模型表示模型学习过程特点参考SLIM 模型模型表示   基本模型表示： M∼MS\boldsymbol M \boldsymbol

Doc2Vec模型Doc2Vec模型摘要背景段落向量PV-DM模型PV-DBOW模型gensim实现Doc2Vec说明参考文献摘要通过本文，你将了解到：Doc2Vec模型是如何产生的Doc2Vec模型细节Doc2Vec模型的特点Doc2Vec的使用及代码(gensim)背景  Doc2Vec模型的产生要从词向量表示(论文word2vec模型)开始说起，该文章介绍了两种词的向

Sentence2VecSentence2Vec前言算法介绍参考文献前言  本文是对论文A Simple but Tough-to-Beat Baseline for Sentence Embeddings中算法的简要描述，具体细节请参考代码实现。算法介绍  1. 对一个句子中所有词的词向量进行加权平均，每个词向量的权重可以表示为aa+p(w)\frac{a}{a+p(w)}，其中aa为参数，