词表示

在NLP领域，自然语言通常是指以文本的形式存在，但是计算无法对这些文本数据进行计算，通常需要将这些文本数据转换为一系列的数值进行计算。那么具体怎么做的呢？这里就用到词向量的概念。

一般情况下，当我们拿到文本数据的时候，会先对文本进行分词，然后将每个单词映射为相应的词向量，最后基于这些词向量进行计算，达到预设任务的效果，下边我们分如下几节展开介绍词向量相关的知识。

内容组织如下：

• One-Hot编码: 一种简单的单词表示方式
• Word Embedding: 一种分布式单词表示方式
• Word2Vec: 一种词向量的训练方法
  • 1. Word2Vec概述
  • 2. Skip-gram训练词向量原理
  • 3. Skip-gram网络结构
  • 4. 负采样解决大规模分类问题
• 关于词向量的一些有趣应用
  • 1. 相似度计算
  • 2. 词聚类
  • 3. 词关系推理

标签：表示,Word2Vec,Skip,单词,计算,文本,向量
来源： https://www.cnblogs.com/beyoncewxm/p/16628522.html