问题背景

我正在处理一个需要字符级深度学习模型的问题。以前我使用的是词级深度 NLP（自然语言处理）模型，在这些模型中，几乎总是使用嵌入编码来以低维向量形式表示给定的词。此外，这种嵌入编码允许在新的低维向量表示中将相似的词放在自己附近（即，男人和女人向量在向量空间中靠近自己），从而改善了学习。尽管如此，我经常看到人们在字符级 NLP 模型中使用嵌入编码。即使字符级 one-hot 编码向量与字级 one-hot 编码向量（大约 36 到 32k 行）相比非常小。此外，字符之间没有太大的相关性，没有像“

问题 为什么在字符级 NLP 模型中使用嵌入编码？