详细内容或原文请订阅后点击阅览
使用嵌入进行协同过滤
嵌入不仅仅用于自然语言处理。在这里，我们将嵌入应用于协同过滤中的常见任务 - 预测用户评分 - 并在此过程中努力更好地理解嵌入层的实际作用。
来源:RStudio AI博客当你读到嵌入这个词时，你的第一个联想是什么？对于我们大多数人来说，答案可能是词嵌入或词向量。快速搜索 arxiv 上的最新论文显示还可以嵌入哪些内容：方程（Krstovski 和 Blei 2018）、车辆传感器数据（Hallac 等人 2018）、图表（Ahmed 等人 2018）、代码（Alon 等人 2018） ）、空间数据（Jean et al. 2018）、生物实体（Zohra Smaili、Gao 和 Hoehndorf 2018）……还有什么不是。
嵌入 词嵌入 词向量 存档 （Krstovski 和 Blei 2018） Krstovski 和 Blei 2018 （Hallac 等人，2018） Hallac 等人。 2018年 （艾哈迈德等人，2018） 艾哈迈德等人。 2018年 （Alon 等人，2018） 阿隆等人。 2018年 （Jean 等人，2018） 让等人。 2018年 （Zohra Smaili、Gao 和 Hoehndorf 2018） Zohra Smaili、Gao 和 Hoehndorf 2018这个概念有什么吸引人的地方？嵌入结合了分布式表示的概念，信息的编码不是在专门的位置（比如专用神经元），而是作为一种分布在网络上的激活模式。没有比杰弗里·辛顿（Geoffrey Hinton）更好的引用来源了，他在概念的发展（Rumelhart、McClelland 和 PDP 研究小组 1986）：
分布式表示 （Rumelhart、McClelland 和 PDP 研究小组 1986） Rumelhart、McClelland 和 PDP 研究小组 1986分布式表示是指两种表示形式（例如概念和神经元）之间存在多对多的关系。每个概念由许多神经元表示。每个神经元参与许多概念的表示。
分布式表示是指两种表示形式（例如概念和神经元）之间存在多对多的关系。每个概念由许多神经元表示。每个神经元参与许多概念的表示。
分布式表示优点是多方面的。也许使用嵌入最著名的效果是我们可以学习和利用语义相似性。
橙色 猕猴桃 雷暴 余弦距离 （Frome 等人，2013） <- ( =