在我试图实现的论文中提到，

在这项工作中，推文使用了三种文本表示方法进行建模。第一种是通过tf-idf（词频-逆文档频率）加权的词袋模型（详见第2.1.1节）。第二种是通过平均句子中所有词的词嵌入来表示句子，第三种是通过平均所有词的加权词嵌入来表示句子，其中词的权重由tf-idf给出（详见第2.1.2节）。

我对提到的第三种表示方式，即使用tf-idf给出的词的权重来加权词嵌入，感到不确定。我甚至不确定它们是否可以一起使用。

回答：

词嵌入的平均（可能是加权的）是有意义的，尽管根据主要算法和训练数据，这种句子表示方式可能不是最佳的。其基本原理如下：

• 你可能希望处理不同长度的句子，因此进行平均（比简单的总和更好）。
• 句子中的某些词通常比其他词更有价值。TF-IDF是最简单的词值度量方法。请注意，结果的规模不会改变。

另见Kenter等人发表的这篇论文。还有一篇很好的文章对这两种方法在不同算法中的表现进行了比较，并得出结论：没有一种方法显著优于另一种：有些算法偏好简单平均，有些算法在使用TF-IDF加权时表现更好。