如何使用许多 PDF 文件训练自定义 Glove 矢量表示？

【问题标题】：How to train a custom Glove vector representations using many PDF files?如何使用许多 PDF 文件训练自定义 Glove 矢量表示？
【发布时间】：2018-12-29 05:39:23
【问题描述】：

我想通过使用许多 PDF 文件来训练我自己的自定义 Glove 表示。我怎样才能做到这一点？有什么方法可以使用 POS 标记和依赖解析等概念吗？你能建议任何链接来实现它吗？

【问题讨论】：

标签： nltk stanford-nlp word2vec spacy glove

【解决方案1】：

您的问题过于宽泛，无法给出任何严格的答案，但您当然可以按照您的描述进行。

您首先要查看用于从 PDF 中提取纯文本的库。

一些 word2vec 项目已经基于单词标记训练了单词向量，这些单词标记已经用 POS 标签或依赖定义的上下文进行了扩展，其潜在好处取决于您的目标。例如，请参阅 Levy 和 Goldberg 关于基于依赖的嵌入的论文：

https://levyomer.wordpress.com/2014/04/25/dependency-based-word-embeddings/

【讨论】：