神经网络语言模型中，词向量为什么可以随着模型的迭代而改变？

在神经网络语言模型中，通常我们认为词向量是模型的输入。 对此不太熟悉的朋友可以参考博客：自然语言处理NLP（3）——神经网络语言模型、词向量 神经网络语言模型的架构是这个样子的： 然而，在模型训练的过程中，输入层的词向量可以随着模型的迭代而改变，就像调整上图中的权重： W , U , H W,U,H W,U,H一样。 可能很多人有同样的疑问：词向量作为模型的输入，怎么能改变呢？ 朋友们可以先仔细思

>>阅读原文<<