Vector গাণিতিক, সীমা ও Bias

বড় corpus-এ train করা embedding-এ কিছু সম্পর্ক প্রায় একই দিকের vector হিসেবে দেখা যায়—বিখ্যাত উদাহরণ “king − man + woman ≈ queen”। এই পাঠে অর্থবহ dimension-সহ হাতে-বানানো teaching vector দিয়ে এই গাণিতিক দেখব, তারপর তিনটি সতর্কতা: (১) ফলাফল থেকে প্রশ্নের শব্দগুলো বাদ না দিলে analogy প্রায়ই ব্যর্থ হয়, (২) analogy অনেক সম্পর্কে কাজ করে না, (৩) embedding training টেক্সটের সামাজিক পক্ষপাত শেখে—যেমন পেশাকে লিঙ্গের সাথে যুক্ত করা—যা search ও সুপারিশে ক্ষতিকর হতে পারে।