我有一个包含单词word_i和权重weight[i,j]的庞大数据集，
其中权重是单词之间的“连接强度”。
我想对这些数据进行二值化，但我想知道是否有任何现有的算法来制作每个单词的二进制代码，使得单词代码之间的汉明距离与此权重相关。 / p>
加了：
我正在研究的问题是我想尝试教一个神经网络或SVM来建立单词之间的关联。这就是我决定将数据二值化的原因。
不要问为什么我不想使用马尔可夫模型或仅仅使用图表，我已经尝试过它们并希望将它们与神经网络进行比较。
所以，
我希望我的NN在给定的单词“a”上返回其最接近的关联或任何设定的单词及其概率，
我试图将二值化并将“ab”作为输入和重量作为首选答案，这很糟糕，
我正在考虑让阈值（对于权重）再改变1位。该阈值越小，您需要的位越多，
我有一个情况：a-＆gt; b w1; b-> w2; w1＆gt;＆gt; w2，所以方向很重要。
答案 0 :(得分：1)
你可以做的是使用具有固定长度拓扑的自组织映射（SOM），例如N位，单词，以便例如如果N = 8，则SOM中的每个单元恰好有8个邻居（其中一个位被翻转的那些）。现在，如果您有K [字典]单词，您可以将每个[字典]单词编码为0..1之间的实数向量，以便第i个单词将第i个元素设置为1，将其他单词设置为0.然后您可以计算两个任意向量a1 ... aK和b1 ... bK之间的“距离”通过求和
i,j : ai * bj * distance(ai, bj)
，它为您提供运行SOM算法的距离度量。当SOM稳定后，您的指标中彼此接近的[字典]单词在地图的拓扑中彼此接近，从中您可以轻松地将编码作为[二进制]单词。
请注意，地图必须包含比单词更多的单元格，即2 ** N＆gt; ķ。
这个答案当然假设有自组织地图的背景。看到 http://en.wikipedia.org/wiki/Self-organizing_map