超越原型：用于更好表示学习的语义锚正则化

本文介绍了一种名为“Anchor & Transform (ANT)”的高效嵌入算法，可处理大容量的离散对象嵌入。通过学习少量的锚点和稀疏的转换矩阵，将对象嵌入成为锚点的稀疏线性组合。ANT算法可扩展、灵活且可端到端训练，被解释为一种贝叶斯非参数先验，旨在促进稀疏性并利用对象间的自然分组关系。在多个基准测试中，ANT特别适用于大词汇量，相较于现有压缩基线提供了更强的性能表现（高达40倍压缩的低参数）。