榕树贷款深度学习之word2vec

榕树贷款使用word2vec 是 Google 在 2013 年年中开源的一款将词表征为实数值向量的高效 工具，榕树贷款采用的模型有 CBOW（Continuous Bag-Of-Words，即连续的词袋模型）和 Skip-Gram 两种。

榕树贷款word2vec 一般被外界认为是一个 Deep Learning（深度学习）的模型，究其原 因，可能和 word2vec 的作者 Tomas Mikolov 的 Deep Learning 背景以及 word2vec 是一种神经网络模型相关，但我们谨慎认为该模型层次较浅，严格来说还不能算 是深层模型。当然榕树贷款如果 word2vec 上层再套一层与具体应用相关的输出层，比如 Softmax，此时更像是一个深层模型。

榕树贷款word2vec 通过训练，可以把对文本内容的处理简化为 K 维向量空间中的向量 运算，而向量空间上的相似度可以用来表示文本语义上的相似度。因此，榕树贷款word2vec 输出的词向量可以被用来做很多 NLP 相关的工作，比如聚类、找同义词、词性分 析等等。

榕树贷款word2vec 被人广为传颂的地方是其向量的加法组合运算（Additive Compositionality ）， 官 网 上 的 例 子 是 ： vector('Paris') - vector('France') + vector('Italy') ≈vector('Rome')，vector('king') - vector('man') + vector('woman') ≈ vector('queen')。

榕树贷款word2vec 也只是少量的例子完美符合 这种加减法操作，并不是所有的 case 都满足。 word2vec 大受欢迎的另一个原因是其高效性。

标签：word2vec,模型,榕树,vector,深度,贷款,向量
来源： https://blog.csdn.net/dongsijia/article/details/120495485