向量化是机器学习处理非数值数据的必经之路。因此除了词向量之外,还有其他的Embedding。比如Network Embedding。
参考:
https://mp.weixin.qq.com/s/wcFlZPbB5dl6C87kdfjmKw
NE(Network Embedding)论文小览
https://mp.weixin.qq.com/s/rWn6Bi5T3JfucD4C0jYSBA
Network Embedding指南
https://mp.weixin.qq.com/s/luSTZVzaK6fPw4veIDuMwg
网络表示学习综述:一文理解Network Embedding
https://mp.weixin.qq.com/s/HjzZJIA77gUlkG4doeT3uQ
网络表示学习介绍
https://zhuanlan.zhihu.com/p/36788547
网络表示学习论文引介
https://mp.weixin.qq.com/s/TaLsCHNIYPRAog38gu5N8g
word2vec, node2vec, graph2vec, X2vec:构建向量嵌入表示理论,120页ppt
https://mp.weixin.qq.com/s/zTNX_LeVMeHhJG7kPewn2g
除了自然语言处理,你还可以用Word2Vec做什么?
https://mp.weixin.qq.com/s/7dsrvHp6KIvlE-VXiUH1Rw
HIN2Vec:异质信息网络中的表示学习
https://mp.weixin.qq.com/s/CqJ7o1-ptCBBocB3PfEuXg
万物向量化:用协作学习的方法生成更广泛的实体向量
https://mp.weixin.qq.com/s/UtfidoBCJ0Wjpnl_C1a7iw
浅谈向量化与Hash-Trick
https://mp.weixin.qq.com/s/0JmB0sMUVsiuwrVObN_10g
浙江大学提出设计网络嵌入算法的度惩罚原则,可有效保留无标度特性
https://mp.weixin.qq.com/s/YGBvWIENE9TASvb_t_Pebw
爱奇艺深度语义表示学习的探索与实践
https://mp.weixin.qq.com/s/SN6qnaorfYpIYMNcZQTR8Q
推荐系统embedding技术实践总结
https://mp.weixin.qq.com/s/ziKG-fvXyVc59eyNjoXseA
不要再对类别变量进行独热编码了
https://mp.weixin.qq.com/s/AjmaX0B7xaCwEWi8sDOJyA
论推荐算法中的Embedding思想
http://kexue.fm/archives/4667/
更别致的词向量模型(一):simpler glove
http://kexue.fm/archives/4669/
更别致的词向量模型(二):对语言进行建模
http://kexue.fm/archives/4671/
更别致的词向量模型(三):描述相关的模型
http://kexue.fm/archives/4675/
更别致的词向量模型(四):模型的求解
http://kexue.fm/archives/4677/
更别致的词向量模型(五):有趣的结果
http://kexue.fm/archives/4681/
更别致的词向量模型(六):代码、分享与结语
https://mp.weixin.qq.com/s/GYTxN5X7MnSQ4k5bD2l-PQ
Salesforce的爱因斯坦AI最新NLP研究,通过情境化词向量从翻译中学习!
https://mp.weixin.qq.com/s/GUUkXrB1iyg4rQbBtICq6A
通过NMT训练的通用语境词向量:NLP中的预训练模型?
https://mp.weixin.qq.com/s/4ZlVisY08XvisjbK5zSheg
NLP中“词袋”模型和词嵌入模型的比较
https://mp.weixin.qq.com/s/L6_BV-cWR4wge2ritmyqzA
让你上瘾的网易云音乐推荐算法,用Word2vec就可以实现
https://mp.weixin.qq.com/s/ktzqTUbqMeTLvc-pLJbUvA
蚂蚁金服公开最新基于笔画的中文词向量算法
https://mp.weixin.qq.com/s/GGXI-ZzPc9LLjVQpf5ia1A
词嵌入2017年进展全面梳理:趋势和未来方向
https://mp.weixin.qq.com/s/gI82_PHc94OAsZQBk6DwQw
一次搞定多种语言:Facebook展示全新多语言嵌入系统
https://mp.weixin.qq.com/s/8uyIuO_A0NwusyJV-bKRug
个性化序列推荐:卷积序列嵌入方法
https://mp.weixin.qq.com/s/vrdprH_8J80J3VHQqA-bKg
通过动态融合方式学习多模态词表示,中科院自动化所宗成庆老师团队最新工作
https://mp.weixin.qq.com/s/7Ujxc5_CwhYxXTLAjac0-g
基于异构网络节点表示的推荐系统
https://mp.weixin.qq.com/s/98k1fNHDIwITFyLnNutt4A
Entity Embeddings: 利用深度学习训练结构化数据的实体嵌入
https://blog.csdn.net/malefactor/article/details/50767711
利用Word Embedding自动生成语义相近句子
https://mp.weixin.qq.com/s/4sqMV3tS146VNrTyyncYnQ
中英文词向量评测理论与实践
https://mp.weixin.qq.com/s/p7sCt5Xj1U5vIZftRXBvzw
cw2vec理论及其实现
https://mp.weixin.qq.com/s/df-k5kJcJXhSWbFMu2mtCA
当前最好的词句嵌入技术概览:从无监督学习转向监督、多任务学习
https://mp.weixin.qq.com/s/nmuLM38Q_0MVN_6EtQ_7fQ
艾伦人工智能研究所提出新型深度语境化词表征
https://mp.weixin.qq.com/s/rYvbV4ssmXgblOg20KQVyQ
文本嵌入的经典模型与最新进展
https://mp.weixin.qq.com/s/lpQWcGg7uRBAorj_5QyunA
使用三重损失网络学习位置嵌入:让位置数据也能进行算术运算
https://mp.weixin.qq.com/s/BHA-tFCQjvhf1Tj53SBEaw
基线系统需要受到更多关注:基于词向量的简单模型
https://mp.weixin.qq.com/s/x_4k1ICo0GUFJzo4jRSoIQ
中文词向量论文综述(一)
https://mp.weixin.qq.com/s/79kTL79JIpB-YxbjSoQ-Xw
复旦大学黄萱菁教授带你了解自然语言理解中的表示学习
https://mp.weixin.qq.com/s/0QyLIvH1McooGLc19hIAHA
预测你的下一步-动态网络节点表示学习
https://mp.weixin.qq.com/s/QW7t7iaIN1yaHYzOtwgYAQ
Representation Learning on Network网络表示学习
https://mp.weixin.qq.com/s/KK-_G7Sc9HyYlxH1nLxVfA
斯坦福大学提出全新网络嵌入方法—GraphWave
https://zhuanlan.zhihu.com/p/44755895
“Social Rank”:节点重要度在网络表示学习中的影响
https://mp.weixin.qq.com/s/2GPPC1LfpKLj80EJq7rcDA
如何帮助大家找工作?领英利用深度表征学习提升人才搜索和推荐系统
https://mp.weixin.qq.com/s/I2Gh3f_8cmfeOt0uEGj8hA
FAIR动态元嵌入:动态选择词嵌入模型
https://mp.weixin.qq.com/s/5ko0-W5giZ7wBCLUmkQeKA
神经网络词嵌入:如何将《战争与和平》表示成一个向量?
https://mp.weixin.qq.com/s/4gqpdTxt7Lip-hfuuUweAw
词嵌入获得的信息远比我们想象中的要多得多
https://mp.weixin.qq.com/s/-hh9iRIZtxh8Q-ZU_oCekA
网络嵌入之STNE model
https://mp.weixin.qq.com/s/iLaGGJXLwgI7qzcgkySlSQ
工程实践也能拿KDD最佳论文?解读Embeddings at Airbnb
https://mp.weixin.qq.com/s/oJUzrZP_cxhiarq0w9Yqpg
从KDD 2018最佳论文看Airbnb实时搜索排序中的Embedding技巧
https://mp.weixin.qq.com/s/sY9ILRTUCmupmJyJ3RX6-w
57页清华大学孙茂松组《知识表示学习》综述论文
https://mp.weixin.qq.com/s/KjDwumX8FViKC4FNWdml_w
如何给词嵌入模型选择最优维度
https://mp.weixin.qq.com/s/nAWiNAgA_Ste8rzcqaH8YA
情感分析词嵌入预处理细粒度实验综述
https://mp.weixin.qq.com/s/caG7kwZfo2qpvLDbrvfpng
AAAI 2019教程—361页PPT带你回顾最新词句Embedding技术和应用
https://mp.weixin.qq.com/s/B0HAl9T8yKGpH_PZbbw0Yg
用于知识图中链接预测的嵌入方法SimplE
https://mp.weixin.qq.com/s/wekqgCtlMan_PJHYadSpcg
从词向量到句向量的技术详解
https://www.zhihu.com/question/33952003
如何通过词向量技术来计算2个文档的相似度?
https://mp.weixin.qq.com/s?__biz=MzI1NjM1ODEyMg==&mid=2247484632&idx=1&sn=e3ed259243c4ee26403edf4573165f76
嵌入方法在推荐系统中的应用
https://zhuanlan.zhihu.com/p/85739175
关于句子表征的学习笔记
https://mp.weixin.qq.com/s/M_Fo1BSv3yZ52XPxXCf77w
多模态预训练表示UNITER:通用图像-文本语言表示学习
https://mp.weixin.qq.com/s/RyKy8Iw_ZLTCrbPS3rFtOQ
Airbnb基于Embedding技术的实时个性化推荐
https://mp.weixin.qq.com/s/3ZZvTULbdeSKzF51Wa74WQ
分布式词向量表示,附239页PPT下载
https://zhuanlan.zhihu.com/p/109935332
万物皆可embedding
https://mp.weixin.qq.com/s/iMU2LPDadmVMgzUifw3-XA
浅谈电商搜索推荐中ID类特征的统一建模:Hema Embedding解读
https://lumingdong.cn/application-practice-of-embedding-in-recommendation-system.html
推荐系统的中embedding的应用实践
https://mp.weixin.qq.com/s/76BaQ6b1FYz05pZUbplGhQ
一文总结词向量的计算、评估与优化
https://mp.weixin.qq.com/s/BwqVwN-9R8ROjgfnTUcMQg
万字长文聊一聊Embedding技术
https://mp.weixin.qq.com/s/iOhCZ__NbhQnjHVj0bSqRw
怎样将Embedding融入传统机器学习框架?
https://mp.weixin.qq.com/s/k-Bgkh7Ff2g_CIpQfq47AA
自然语言处理中词向量表示算法概述
https://mp.weixin.qq.com/s/4sDNUZiOiS6VH_oRSnW6HQ
牛津大学YARIN GAL《贝叶斯深度学习》入门教程,336页ppt
https://mp.weixin.qq.com/s/w_phnVwm13P8dU0Ks-b-YA
《贝叶斯深度学习: DL与Bayesian原理 》NeurIPS2019硬核教程
https://mp.weixin.qq.com/s/J_sbJb8i-O8CwhHvVyPv1w
《深度贝叶斯数据挖掘》,附257页PPT下载
https://mp.weixin.qq.com/s/cDqxmRVQCIqdM5oiUh82YQ
Yee Whye Teh:《贝叶斯深度学习与深度贝叶斯学习》
https://mp.weixin.qq.com/s/JZVl0kygVawdW8qflPps6g
《神经贝叶斯信息处理》教程,220页ppt,国立交通大学
https://mp.weixin.qq.com/s/Zk2YG-IJNhJxTBU8THSM-g
让DL可解释?这一份66页贝叶斯深度学习教程告诉你
https://mp.weixin.qq.com/s/-izo9VUdxN33pwVFGV_tjw
299页PPT带你回顾深度贝叶斯学习最新发展脉络
https://mp.weixin.qq.com/s/UiLyQKhIe2rDYiwPcqyqaw
可跟踪概率模型,209页最新教程
https://mp.weixin.qq.com/s/pHAbxeYBI2q6pUHNrAt1og
贝叶斯学习与未来人工智能
https://mp.weixin.qq.com/s/Zd4rFU7Lebr4zmzxThNyVw
详解珠算:清华大学开源的贝叶斯深度学习库
https://mp.weixin.qq.com/s/RpaOrngeXTKycLb3iCygZw
利用贝叶斯神经网络进行随机动力系统中的学习与策略搜索
https://github.com/bayesgroup/deepbayes-2018
Seminars DeepBayes Summer School 2018
https://mp.weixin.qq.com/s/WCRYppBLdl_M4etUChnfgw
PyMC3和Theano代码构建贝叶斯深度网络
https://mp.weixin.qq.com/s/7mwJpQFWWXJ3dvTAwDFI7Q
贝叶斯卷积神经网络:架起深度学习与统计学的桥梁
https://mp.weixin.qq.com/s/2LkpuchuHs82Sxs5rD8bWA
《深度贝叶斯与序列学习》,279页PPT带你知晓深度贝叶斯序列模型在NLP最新进展
https://zhuanlan.zhihu.com/p/74573041
针对推荐系统的深度贝叶斯多目标学习
https://mp.weixin.qq.com/s/b041h_hbHQYiXCiDHGaD5w
深度贝叶斯自然语言处理,304页ppt带你了解最新研究进展
https://zhuanlan.zhihu.com/p/77140176
构建贝叶斯深度学习分类器
https://mp.weixin.qq.com/s/0e4GHNRCF9xKFELAZ4zRFA
A simple tutorial for Bayesian neural network
https://mp.weixin.qq.com/s/NkRemHPRnEcEwbs5b-Mz9w
贝叶斯编程,378页pdf,Bayesian Programming
https://mp.weixin.qq.com/s/DDg4HTp-APwEIul1ZaFFPQ
最新《贝叶斯推断》教程,125页ppt与视频,DeepMind Shakir Mohamed博士
https://zhuanlan.zhihu.com/p/283633149
Bayesian Deep Learning最新研究总结
您的打赏,是对我的鼓励
请访问这里提交评论