【Paper】GloVe：如何从大规模语料中快速训练词向量

1. Introduction 今天学的论文是斯坦福大学 2014 年的工作《GloVe: Global Vectors for Word Representation》，在当时有两种主流的 Word Embedding 方式，一种是 LSA，创建词频矩阵，利用 SVD 分解得到词向量；另一种是 13 年提出的 Word2Vec，基于滑动窗口的浅层神经网络。前者的优点是利用了全局的统计信息（共现矩

>>阅读原文<<