嵌入被称为 “密集表示”，因为用于表示数据点 (如单词，图像或文档) 的向量是紧凑的，并且在每个维度都包含有意义的信息。与稀疏表示不同，稀疏表示只有几个维度包含非零值 (如独热编码)，密集嵌入具有遍布所有维度的非零值，从而允许它们捕获更复杂的关系。
例如，在单词嵌入中，向量的每个维度编码单词含义的某些方面，例如其句法或语义属性。因此，密集嵌入可以以紧凑的格式捕获细微差别的关系，如同义词、反义词和类比。
与稀疏表示相比，密集表示在计算上是高效的，因为它们需要更少的内存，并且可以通过机器学习模型更快地处理。在低维空间中存储复杂信息的能力是嵌入在现代AI系统中广泛使用的关键原因。