论文研究 基于中心化相似度矩阵的词向量方法.pdf

对基于矩阵分解的词向量方法进行了研究，发现降维前相似度矩阵质量与词向量质量存在线性相关性，提出了一种基于中心化相似度矩阵的方法。该方法使得相似（不相似或弱相似）词间的相似程度相对增强（减弱）。在WS-353和RW数据集的词语相似性实验中验证了所提出方法的有效性，两个数据集下词向量质量最高提升0289 6和0180 1。中心化能够提升降维前相似度矩阵质量，进而提升词向量质量。