word2vec 介紹

1.背景 在NLP中，傳統算法通常使用one-hot形式表示一個詞，存在以下問題： 1）維度爆炸，詞表通常會非常大，導致詞向量維度也會非常大。 2）損失語義信息，one hot隨機給每個詞語進行編號映射，無法表示詞語之間的關係。 所以word embeding的優勢如下： 1）將詞語映射成一個固定維度的向量，節省空間。 2）詞向量可能會具備一定的語義信息，將相似的詞語放到相近的向量空間（比如香蕉和

>>阅读原文<<