sense2vec

收录理由

大多数词向量方法会给同一个词的所有语义分配同一个向量，导致含义混淆。sense2vec 针对这一点做了改进，把向量与词性标注和实体标签关联起来，让“duck”作为名词和作为动词时在向量空间中各归其位。它延续了 Trask 等人（2015）提出的 word2vec 思路，以 Python 库的形式提供，能够加载预训练模型、执行快速的最近邻查询，也能基于原始文本配合 spaCy 流水线以及 GloVe 或 Word2Vec 训练新向量。由于它可以作为 spaCy 流水线组件集成，并且向量支持完整序列化，你能够把带有语义区分的向量直接嵌入到已有的 NLP 工作流和模型包中，使用起来相当灵活。