人工智能通识基础与应用8.4 NLP表示方式.pptx

8.4NLP表示方式

分布式表示目录离散式表示

NLP文本表示核心分类离散式表示：轻量化、易实现，但仅基于统计，无深层语义信息，仅适配简单的文本检索类基础场景。分布式表示：以低维稠密向量承载语义，可挖掘词语间关联；动态模型更解决了多义性难题，适配所有主流NLP业务场景。从早期简单的词袋模型，发展到TF-IDF离散统计方法；再进阶至Word2Vec、GloVe等静态分布式表示；最终迈向ELMo、BERT为代表的动态上下文分布式表示，实现了对语义理解能力的质的飞跃。核心差异对比技术演进脉络核心底层价值文本向量表示是情感分析、聊天机器人、语音识别、机器翻译等所有NLP核心业务的前置基础。