Efficient Vector Representation for Documents through Corruption

代表(政治) 语言变化 计算机科学 载体(分子生物学) 政治学 情报检索 法学 语言学 政治 生物 哲学 重组DNA 生物化学 基因
作者
Minmin Chen
出处
期刊:Cornell University - arXiv 被引量:73
标识
DOI:10.48550/arxiv.1707.02377
摘要

We present an efficient document representation learning framework, Document Vector through Corruption (Doc2VecC). Doc2VecC represents each document as a simple average of word embeddings. It ensures a representation generated as such captures the semantic meanings of the document during learning. A corruption model is included, which introduces a data-dependent regularization that favors informative or rare words while forcing the embeddings of common and non-discriminative ones to be close to zero. Doc2VecC produces significantly better word embeddings than Word2Vec. We compare Doc2VecC with several state-of-the-art document representation learning algorithms. The simple model architecture introduced by Doc2VecC matches or out-performs the state-of-the-art in generating high-quality document representations for sentiment analysis, document classification as well as semantic relatedness tasks. The simplicity of the model enables training on billions of words per hour on a single machine. At the same time, the model is very efficient in generating representations of unseen documents at test time.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
小姚发布了新的文献求助10
1秒前
希望天下0贩的0应助yxy采纳,获得10
1秒前
13223456完成签到,获得积分10
2秒前
2秒前
2秒前
Hello应助不皮不敢怂采纳,获得10
3秒前
小董哥完成签到,获得积分10
3秒前
3秒前
天玄一刀完成签到,获得积分10
4秒前
6秒前
wuyisha发布了新的文献求助10
6秒前
pzy完成签到,获得积分10
6秒前
13223456发布了新的文献求助10
7秒前
红柚完成签到,获得积分10
8秒前
秋傲儿完成签到,获得积分10
9秒前
mimi发布了新的文献求助10
9秒前
Ramer556完成签到,获得积分10
10秒前
Daisy完成签到 ,获得积分10
11秒前
完美世界应助xzl采纳,获得10
12秒前
tt完成签到 ,获得积分10
13秒前
14秒前
14秒前
冷酷的听兰完成签到,获得积分10
14秒前
Panini完成签到 ,获得积分10
15秒前
15秒前
甄高丽完成签到,获得积分10
17秒前
积极问晴发布了新的文献求助10
17秒前
QYW发布了新的文献求助10
18秒前
领导范儿应助科研通管家采纳,获得30
19秒前
Orange应助科研通管家采纳,获得10
19秒前
科研通AI2S应助科研通管家采纳,获得10
19秒前
英俊的铭应助科研通管家采纳,获得10
19秒前
桐桐应助科研通管家采纳,获得10
19秒前
温柔惜筠应助科研通管家采纳,获得10
19秒前
FashionBoy应助科研通管家采纳,获得10
20秒前
bkagyin应助科研通管家采纳,获得10
20秒前
Jasper应助科研通管家采纳,获得10
20秒前
hehe应助科研通管家采纳,获得10
20秒前
科研通AI2S应助科研通管家采纳,获得10
20秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137412
求助须知:如何正确求助?哪些是违规求助? 2788462
关于积分的说明 7786566
捐赠科研通 2444645
什么是DOI,文献DOI怎么找? 1300002
科研通“疑难数据库(出版商)”最低求助积分说明 625712
版权声明 601023