李宏毅《机器学习》飞桨特训营(十）

• 一. 循环神经网络
• 二. 词向量(Word Embedding)
• 三. 作业：语句分类

一. 循环神经网络

二. 词向量(Word Embedding)

在自然语言处理任务中，词向量（Word Embedding）是表示自然语言里单词的一种方法，即把每个词都表示为一个N维空间内的点，即一个高维空间内的向量。通过这种方法，实现把自然语言计算转换为向量计算。

如图所示的词向量计算任务中，先把每个词（如queen，king等）转换成一个高维空间的向量，这些向量在一定意义上可以代表这个词的语义信息。再通过计算这些向量之间的距离，就可以计算出词语之间的关联关系，从而达到让计算机像计算数值一样去计算自然语言的目的。

关于构建词向量的方法及基于飞桨的实现，请参考：
https://www.paddlepaddle.org.cn/tutorials/projectdetail/2201246#anchor-1

简而言之，构建词向量就是为了让每个词语对应一个唯一的id，每个id对应一个唯一的向量。然后用向量去做训练、预测等。

三. 作业：语句分类

(RNN这部分的内容理解起来比较费力/(ㄒoㄒ)/~~，还需要多花时间钻研)

标签：Word,Embedding,李宏毅,飞桨,特训营,计算,自然语言,向量
来源： https://blog.csdn.net/cyj972628089/article/details/122093330