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。