文章目录
前言
本文将从 Embedding 的本质、Embedding的原理、Embedding的应用三个方面,详细介绍Embedding(嵌入)。

1、Embedding的本质
"Embedding" 在字面上的翻译是“嵌入”,但在机器学习和自然语言处理的上下文中,我们更倾向于将其理解为一种 “向量化” 或 “向量表示” 的技术,这有助于更准确地描述其在这些领域中的应用和作用。
(1)机器学习中的Embedding
- 原理:将离散数据映射为连续变量,捕捉潜在关系。
- 方法:使用神经网络中的Embedding层,训练得到数据的向量表示。
- 作用:提升模型性能,增强泛化能力,降低计算成本。

Embedding Model
在机器学习中,Embedding 主要是指将离散的高维数据(如文字、图片、音频)映射到低纬度的连续向量空间。这个过程会生成由实数构成的向量,用于捕捉原始数据的潜在搞关系和结构。
(2)NLP中的Embedding
- 原理:
9182


!!&spm=1001.2101.3001.11974&articleId=136165819&d=1&t=3&u=d9610abd87ca4d3b89bd8675605e9e06)

被折叠的 条评论
为什么被折叠?



