面试题库 › 算法 / 大模型 › 文本数值化的常见方法与对比

文本数值化的常见方法与对比

难度 ★★☆在 2 场真实面经中被问到 方向:算法 / 大模型考点:词向量与文本表示

哪些公司问过

拼多多1vivo1

常见岗位:NLP / 语音

答案要点

  1. One-Hot维度等于词表大小、高度稀疏,词之间正交无法表达相似度
  2. BOW统计词频忽略词序,可加N-gram补充局部顺序
  3. TF-IDF等于词频乘逆文档频率,突出区分性强的词,适合分类和检索
  4. word2vec(CBOW、Skip-gram)基于局部上下文,GloVe基于全局共现统计
  5. 静态词向量无法处理一词多义,BERT等上下文表示可以解决

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题