91
个编辑
更改
跳到导航
跳到搜索
第338行：
第338行： − 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；+ − + − 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；+ − 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；+ − 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；+
→总结与对比：
==== 总结与对比： ====
==== 总结与对比： ====
* 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；
* 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；
* 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；
* 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 ===