행렬로 나타내는 표현
단어와 문단을 각각 열 차원을 선택할 수 있는 행렬로 공동 인코딩한다. 벡터 하나로 제한하지 않고 행렬 구조를 활용해 텍스트를 더 유연하게 표현하려는 연구다.
유사도와 구면 최적화
행렬 표현의 구조를 사용하는 새로운 유사도 척도를 도입했다. 같은 행렬을 단위 노름 벡터로 다시 배열할 수 있다는 성질로 학습을 구면 다양체 위의 최적화 문제로 바꾼다.
표현의 평가
다양체 최적화로 행렬 임베딩을 학습하고 문서 분류와 문서 군집화 및 의미적 텍스트 유사도에서 평가했다. 표현의 모양과 유사도 계산을 함께 설계하는 접근이다.
관련 문서
구면 텍스트 임베딩 / 프로베니우스 노름 / 다양체 / 코사인 유사도 / 단어 임베딩 / 문서 임베딩