文本表示方法有以下几类：
- 基于one-hot、tf-idf、textrank等的bag-of-words；
- 主题模型：LSA（SVD）、pLSA、LDA；
- 基于词向量的固定表征：word2vec、fastText、glove
- 基于词向量的动态表征：elmo、GPT、bert
各种词向量的特点：
- One-hot：维度灾难 and 语义鸿沟
- 矩阵分解（LSA）：利用全局语料特征，但SVD求解计算复杂度大
- 基于NNLM/RNNLM的词向量：词向量为副产物，存在效率不高等问题
- word2vec、fastText：优化效率高，但是基于局部语料
- glove：基于全局预料，结合了LSA和word2vec的优点
- elmo、GPT、bert：动态特征
相关资料
Word2vec
Glove
lsa
拓展阅读：
标签： glove、lsa、word2vec、向量、elmo、面试
