word2vector语言难学吗？想要成为技术大牛就必须得看看了

word2vector是什么与传统one-hot向量比起来好在那里

得到你想要的processed corpus之后，将他们的one-hot向量作为word2vec的输入，通过word2vec训练低维词向量（word embedding）就ok了。

现在除了word2vector，还有GloVe做embedding，最后的结果类似。 word2vector存在的问题是，因为只考虑同时出现的概率，没有考虑到语意，所以对于多义词来说，word2vector就不好处理了。

word2vec是一个将单词转换成向量形式的工具。可以把对文本内容的处理简化为向量空间中的向量运算，计算出向量空间上的相似度，来表示文本语义上的相似度。

word2vec 线性模型： 很神奇的地方，从而也说明高维空间映射的词向量可以很好体现真实世界中token之间的关系。

word2vec有两种模型，一个是skip-gram，一个是cbow。这两个模型应该是在一起讲的。cbow是输入词向量求平均，二skip-gram输入只有一个，不要求平均。

word2vector和svm的区别

word2vector能够更好地表达语法信息。 深度学习在自然语言处理等领域主要应用于机器翻译以及语义挖掘等方面。

我觉得，它的应用主要还是数据分析这一块。 Word2vec本质上是一个矩阵分解模型。 Word2evc本质它简单地指出，矩阵是每个单词和它的上下文的一组词的特征。要分解这个矩阵，只需要在隐含空间中取对应于向量的每个词。

word2vec是一个将单词转换成向量形式的工具。可以把对文本内容的处理简化为向量空间中的向量运算，计算出向量空间上的相似度，来表示文本语义上的相似度。