本文探讨了机器学习中向量空间与离散码的组合结构，分析其与学习动态和人类判断的关系。研究回顾了深度学习在语言处理中的创新，提出评估神经语言模型组合能力的测试方法，并探讨神经机器翻译的组合性能力。结果表明，复合性对成功泛化至关重要，现代语言模型能够学习复合短语的表示。最后总结了组合学习的文献，并指出未来研究方向。

本文介绍了利用机器智能在数学数据中找到抽象模式生成数学不等式的猜想的系统方法。研究重点是严格不等式，并将其与向量空间相关联。通过几何渐进式下降算法，在猜想空间中生成了有关素数计数函数和非阿贝尔简单群的新猜想。突显了该空间中数学发现的重要性和领域专业知识的必要性。

词嵌入和句子嵌入是将自然语言映射到向量空间的方法，词嵌入捕捉单词的语义关系，句子嵌入考虑句子内单词的顺序和上下文关系。常见的词嵌入模型有Word2Vec、GloVe和FastText，句子嵌入模型有InferSent和Universal Sentence Encoder。Transformer模型能够获取单词和句子的嵌入，并捕捉上下文信息。

知识图谱嵌入通过将实体和关系表示为向量空间，用于预测缺失的三元组。提出了一种新的因果增强的知识图谱嵌入框架，能胜过基线模型，实现最先进的知识图谱补全性能。

本文讨论了线性代数中的向量空间、子向量空间和张成空间的定义及性质。向量空间由元素及其加法和标量乘法构成，满足特定公理。子向量空间是向量空间的子集，包含零向量，并对加法和标量乘法封闭。张成空间是包含特定向量的最小子向量空间。