基于共现的汉语词分布表示学习与改进.pptx

content目录01研究背景与理论基础02共现矩阵构建方法论03主流分布表示学习框架比较04面向Zipf律的共现校正改进方法05改进模型的实证评估与分析06未来方向与拓展应用

研究背景与理论基础01

自然语言处理中词表示的核心地位及其演进脉络词表示核心词表示是自然语言处理的基础，直接影响句法分析、语义理解等任务的性能。其演进从符号表示走向分布式向量，实现语义的量化建模。演进三阶段词表示历经词袋模型、共现矩阵到分布式向量三个阶段。逐步克服高维稀疏性问题，提升对语义相似性和组合性的刻画能力。分布假说奠基分布假说认为上下文相似的词具有相近语义，为词向量学习提供理论依据。该思想推动了Word2Vec