通過統計一個事先指定大小的窗口內的word共現次數，以word周邊的共現詞的次數做為當前word的vector。具體來說，我們通過從大量的語料文本中構建一個共現矩陣來定義word representation。

例子

有語料如下：

I like deep learning. I like NLP. I enjoy flying.

則其共現矩陣如下：

此時選的窗口大小為3，選擇在該窗口內詞匯的共現頻率作為vector。

將共現矩陣行(列)作為詞向量表示后，可以知道like，enjoy都是在I附近且統計數目大約相等，他們意思相近。

矩陣定義的詞向量在一定程度上緩解了one-hot向量相似度為0的問題，但沒有解決數據稀疏性和維度災難的問題。

總結

以上是生活随笔為你收集整理的词共现矩阵的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。