更改

删除61字节 、 2025年6月28日 (六) 20:07
第338行: 第338行:     
==== 总结与对比: ====
 
==== 总结与对比: ====
−
子词增强表示能力:FastText 通过引入 n-gram,有效表示未登录词与形态变化词;
+
* FastText 通过引入 n-gram,有效表示未登录词与形态变化词;
   −
面向多语言与拼写多样化语言(如芬兰语、德语)效果显著优于 Word2Vec;
+
* FastText 面向多语言与拼写多样化语言(如芬兰语、德语)效果显著优于 Word2Vec;
   −
与 Word2Vec 相比:Word2Vec 只能对词表中出现过的词进行建模,FastText 可泛化到未出现的新词,具备更强的鲁棒性与泛化能力;
+
* Word2Vec 只能对词表中出现过的词进行建模,FastText 可泛化到未出现的新词,具备更强的鲁棒性与泛化能力;
   −
与 GloVe 相比:GloVe 基于全局共现信息构建稠密表示,适合静态建模,FastText 基于局部上下文与子词结构,适合细粒度语义与动态扩展;
+
* GloVe 基于全局共现信息构建稠密表示,适合静态建模,FastText 基于局部上下文与子词结构,适合细粒度语义与动态扩展;
   −
应用场景广泛:在文本分类、命名实体识别、搜索排序、拼写纠错、推荐系统中广泛使用;
+
* FastText 在文本分类、命名实体识别、搜索排序、拼写纠错、推荐系统中广泛使用。
    
=== BERT 模型 ===
 
=== BERT 模型 ===