在伊芙·卡莉陈述完成后。
林灰领略到了她的意思。
不过却并没有正面回答伊芙·卡莉的问题。
而是反问伊芙·卡莉：“关于使用向量介入进行语义文本相似度计算你怎么看？”
虽然这是林灰在这次交流中提出的第一个问题。
但这个问题让伊芙·卡莉多少有点措手不及。
伊芙·卡莉不太清楚林灰为什么提出这个问题。
莫非可以不依靠向量来进行语义文本相似度计算吗？
可这怎么能做到呢？
机器识别文本时为了要机器识别自然语言，往往将自然语言数值化。
而将这些数值进行属性区分则必须进行向量化。
这种方法已经有很长时间历史了，伊芙·卡莉记得在1977年（这个时空）就有研究人员首次提出向量空间模型vsm了。
一经提出这种研究方法就比较受欢迎。
虽然很快这种方法就被发现了有不小的漏洞。
利用vsm方法的话，当文本量很大时，生成的文本向量是非常稀疏的，这就导致了空间和计算资源的浪费;
另外vsm为达到简化模型的效果忽略了词语间的关系，而在很多情况下词语之间是存在联系的，因此简单地认为词语间相互独立是不合理的。
尽管有着明显的漏洞，但在之后近四十年的历史中，人们仍然要引入向量进行语义文本相似度分析。
以伊芙·卡莉先前的团队，虽然他们在先前用的是基于网络知识计算文本相似度的方法。
但本质上也只是将wiki百科中的网页内容映射为高维向量，
再通过基于向量空间的方法进行语义文本相似度计算。
可以说依旧没能离开向量空间的壳子。
虽然四十年后，当年遇到的所谓的“空间和计算资源浪费”某种程度上可以通过硬堆计算力可以暴力解决。
但这仅
本网站为网友提供小说上传储存空间平台，为网友提供在线阅读交流、txt下载，平台上的所有文学作品均来源于网友的上传
用户上传的文学作品均由网站程序自动分割展现，无人工干预，本站自身不编辑或修改网友上传的内容（请上传有合法版权的作品）
如发现本站有侵犯权利人版权内容的，请向本站投诉，一经核实，本站将立即删除相关作品并对上传人ID账号作封号处理