word2vec 介绍

1.背景 在NLP中，传统算法通常使用one-hot形式表示一个词，存在以下问题： 1）维度爆炸，词表通常会非常大，导致词向量维度也会非常大。 2）损失语义信息，one hot随机给每个词语进行编号映射，无法表示词语之间的关系。 所以word embeding的优势如下： 1）将词语映射成一个固定维度的向量，节省空间。 2）词向量可能会具备一定的语义信息，将相似的词语放到相近的向量空间（比如香蕉和

>>阅读原文<<