StarSpace实体嵌入通用神经网络模型
StarSpace 是用于高效学习实体嵌入(Entity embeddings) 的通用神经模型,可解决各种各样的问题:
学习单词、句子或文档级嵌入
文本分类或其他标签任务
信息检索:实体/文件或对象集合的排序
度量/相似性学习
基于内容或协作过滤的建议,例如推荐音乐或视频。
图表嵌入
一般情况下,它学习将不同类型的对象表示为公共矢量嵌入空间,并在名称中带有星号('*',通配符)和空格,然后在该空间中将它们彼此进行比较。 也可以学习对指定查询实体/文档或对象的一组实体/文档或对象进行排序。
注:实体嵌入是基于向量的表示,它捕获上下文中引用实体的方式。
评论