本研究利用独立分量分析技术揭示了单词和图像嵌入的规律，发现语义轴在不同语言和算法中一致存在，从而提高了模型的可解释性并促进了模型压缩。同时，研究提出了Axis Tour新方法以优化词嵌入空间，增强低维嵌入的构建效果。

该文综述独立分量分析（ICA）的多项研究：提出具性能保证的新ICA算法，采用准白化与局部搜索逐列求解并控制误差积累；分析对比学习非线性ICA的有限样本识别；以对抗目标优化统计依赖度量；提出重尾ICA算法HTICA并研究重尾影响；探讨Hebbian ICA的稳定性与迁移学习；研究高维在线算法及随机逼近的统计特性；提出基于测量变换的MTICA框架；构建辅助变量增广的非线性ICA泛化框架；研究无监督异方差协方差估计，提出TIC与TAC度量。

本文综述词嵌入几何结构研究：通过独立分量分析发现跨语言、跨模态一致的语义轴，提升可解释性并助力模型压缩；提出WordTour一维嵌入及上下文化语义轴以区分反义词；探讨主成分分析的局限与保留top主成分的有效性，并介绍CAT模型等应用。