本研究提出了一种新方法Comply，解决了生物启发神经网络在词嵌入学习中的不足。通过引入复杂权重的位置信息，单层神经网络能够有效学习序列表示，实验结果表明其性能超越FlyVec，并与更大规模模型相当。

本文探讨了张量分解网络（TPDNs）及其在序列表示中的应用，提出了基于注意力的迭代分解模块（AID），显著提升了性能。同时介绍了多字典张量分解（MDTD）和混合张量分解方法（Mixed-TD），并讨论了它们在异常检测和特征提取等领域的潜在应用。