0、摘要
GloVe综合了全局矩阵分解和局部窗口方法
1、介绍
词向量评估方法:
1)一般的词向量评估需要依赖pairwise的词向量的距离或者角度作为内在质量的评估；
2)w2v评估方式是使用了类比。
之前模型的缺点：
矩阵分解模型：利用了统计信息，但是在词模拟任务上表现不好，所以它只有次优的向量空间结构；
w2v模型：在词模拟任务上表现很好，但是没有利用统计信息，因为他们在局部窗口训练，没有使用全局共现次数。
矩阵分解相关：
1)LSA：利用doc-term矩阵
2)HAL：利用词共现矩阵
HAL和相关方法的缺点
直接使用共现次数，这个共现次数不能直接表征语义相似的程度；
一些变体使用了给予熵/相关性的归一化，使得跨度为8、9个数量级的语料库，其表示范围在更小的区间上更加平均。
paper已经熟悉了，感觉没有什么亮点。不准备继续补充。