我必须为NLP作业解决这个问题。这个任务和我在标题中描述的那样一般。提供了一组具有相应预期输出的2000个示例，它们看起来像：
absence ~ away fonder illness leave presence
absent ~ away minded gone present ill
absurdity ~ stupid ridiculous mad stupidity clown
accents ~ dialects language foreign speech French
accordion ~ music piano play player instrument
我已经使用分布式语义解决了该任务，并且在此集合上具有相当的准确性，但问题是我有一个额外的约束，即：我提供的存档大小必须小于50 MB < / strong>（据我所知，这种约束完全是胡说八道，但我仍然必须遵守）。因此，任何分布式语义方法都不会起作用，因为语义空间必须构建在大量数据（在我的情况下为数千个维基百科页面）上，并且其大小不能减少到足以容纳50 MB。
你能否提出我可以用来解决这个问题的其他方法？
答案 0 :(得分：1)
当必须共享数据时，这通常发生在科学文献中。通常会提交资源（在您的情况下为单词向量），以及用于构建它们的代码和原始数据的链接（例如维基百科）。您还应该分发资源所需的任何其他代码（例如，查询模型以查找与给定目标最相关的单词）。
在您的情况下，如果您使用了合理的维数减少，您应该能够适应50 MB的体面覆盖分布模型。我正在使用的模型现在需要大约150MB来存储未压缩的纯文本中的70k字向量（由于我使用的特定格式，还有很多开销）。我可以把它压缩到37MB。