word embedding 詞向量能否用於判別中文詞彙難易度？

1樓：

很討厭裝Ｘ的回答，搞一大堆圖，結果沒卵用。

我試舉例如下。

１　　訏謨遠大巨集偉的謀劃

２　　涯涘水邊；岸。邊際；界限。

３　　惠允得到對方獲准的敬稱

５　　窈然深遠貌；幽深貌。

５　　乖蹇不好;不順遂

１０　臆度憑主觀猜測

２０　犟嘴頂嘴，強辯。

３０　繁鬧繁榮熱鬧

４０　落枕又名失枕。因睡覺時受寒或枕枕頭的姿勢不合適，以致脖子疼痛，轉動不便

５０　撫掌拍手。多表示高興、得意。

２００桀驁兇暴倔強

５００徽章戴在身上表示身分、職業的標誌

８００獵物為敵人、獵人或野獸所捕獲的犧牲者你會發現，隨著左則的數字越來越大，詞義越來越浮出來，直到完全的浮出來為止。反過來，如果我不給出詞義，大部分人無法猜出頭４個詞彙的真正詞義，那更不用說使用了。給了第６個詞彙，臆度，卻接近能夠猜測出詞意的。

到第７個犟嘴，則比較接近日常用語了。那麼我來告訴你，左邊的數字就代表難度。他的真實意思卻是詞頻。

2樓：李丕績

詞彙難易度的定義是什麼？度量標準是什麼？判別難以的本質特徵有哪些？

w2v等方法或者結果能否蘊含判別難易度的特徵？

先分析問題，找到本質，再尋找已有方法應用，或者創造新方法。

3樓：

前面 @李嫣然的解答角度已經非常全面。這裡我想表達乙個想法，就是研究的驅動是什麼。如果僅因為word embeddings比較火，就要考慮用它來解決中文詞彙難度判定問題，感覺有些捨本逐末。

在我看來，中文詞彙難度判定似乎不一定非要用上word embeddings。該任務的關鍵在於如何定義詞彙難易度，感覺這是乙個多維度的問題。乙個詞難或易，到底是指筆畫多難記，詞義多難用，引申複雜難以掌握，還是出現次數少不熟悉？

感覺可能因素很多，不如從問題出發仔細分析，一旦定義清楚詞彙難度本身，解決方案似乎也會迎刃而解。