使用 word2vec 来编码分类特征是个好主意吗？

Question

我面临着一个二元预测任务，并且有一组特征，其中所有特征都是分类的。因此，一个关键的挑战是将这些分类特征编码为数字，我一直在寻找聪明的方法来做到这一点。我偶然发现了 word2vec，它主要用于 NLP，但我想知道是否可以使用它来编码我的变量，即简单地将神经网络的权重作为编码特征。

然而，我不确定这是否是一个好主意，因为在我的例子中，作为 word2vec 中的输入特征的上下文单词或多或少是随机的，这与 word2vec 最初设计的真实句子形成鲜明对比。

对此大家有什么意见、想法、建议吗？

Answer 1

如果您正在寻找一种将嵌入用于分类变量的方法，则应该研究实体嵌入。

• 谷歌有一个关于该主题的很好的速成课程：https://developers.google.com/machine-learning/crash-course/embeddings/categorical-input-data
• 这是 Kaggle 竞赛团队在 arxiv 上写的一篇很好的论文：https://arxiv.org/abs/1604.06737