如何解决嵌入向量修剪:获得描述类所需的最小嵌入向量集
我正在使用神经网络根据网络输出的嵌入向量对商品进行分类。嵌入向量之间的L2距离用于计算项目所属的类别。我的数据集为我提供了每个类很多的嵌入向量,每个类大约10,000个嵌入向量,并且我总共有10个类。这些嵌入向量中的大多数在多维空间中“重叠”,并且是多余的。 我可以使用哪些算法来修剪嵌入向量的数量,以便获得最少的可行的向量集,以完全描述每个类?
例如,一个类的5个嵌入向量可能足以描述该类,我该如何选择5个最佳和描述性向量,并修剪其余的9995(大多数相互重叠,因此是多余的)? / p>
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。