Latent Embedding（潜在嵌入）

潜在嵌入通过神经网络或矩阵分解学习，将离散对象（如单词、用户、物品）或高维信号（如图像）转换为稠密低维向量。这些向量在嵌入空间中距离相近表示语义相似。在自然语言处理中，Word2Vec和BERT的嵌入层将词汇映射为向量；在生成模型中，变分自编码器学习潜在分布以生成新样本；推荐系统用嵌入表示用户和物品以计算相似度。潜在嵌入是表示学习的核心，为下游任务提供有效特征。