自20世纪10年代初以来，词向量一直是自然语言处理领域的主流技术之一。将信息编码成在现代机器学习算法中易于处理的低维向量表示，在自然语言处理技术的发展过程中发挥了核心作用。词向量技术最初集中在单词上，但注意力很快开始转移到其他形式:从图形结构上考虑，如知识库，到其他类型的文本内容，如句子和文档。
文末附本书免费pdf下载地址。
本书主要讲解自然语言处理中词向量表示相关的技术。这本书首先解释了传统的单词向量空间模型和单词词向量(例如，Word2Vec和Glove)，然后转向其他类型的词向量，例如词义、句子和文档以及图形结构的词向量。本书还概述了语境化表征(如ELMo、BERT)的最新发展状况，并解释了它们在自然语言处理中的潜力。在整本书中，读者可以找到从零开始理解词向量表示相关的基本信息，以及对文献中最成功的技术的全面概述。
本书目录
内容节选
本书免费pdf下载地址
微信公众号“深度学习与NLP”回复关键字“nep20”获取下载地址。
扫描下方二维码可以订阅哦！
DeepLearning_NLP
深度学习与NLP
