我想通过使用许多PDF文件来训练自己的自定义手套表示形式。我怎样才能做到这一点 ？并且有什么方法可以使用POS标记和依赖项解析等概念？您可以建议任何实现该方法的链接吗？
答案 0 :(得分：1)
您的问题过于宽泛，无法给出任何详尽的答案，但是您当然可以按照自己的描述去做。
您将首先研究用于从PDF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，这些单词标记已使用POS标签或依赖项定义的上下文进行了扩展，其潜在收益取决于您的目标。例如，请参阅Levy＆Goldberg关于基于依赖的嵌入的论文：
https://levyomer.wordpress.com/2014/04/25/dependency-based-word-embeddings/