更改

CBOW（Continuous Bag of Words）模型是一种经典的'''词嵌入（Word Embedding）'''模型，由Mikolov等人在2013年提出，是Word2Vec的两种核心架构之一。CBOW通过上下文词汇预测当前词，从而学习词向量。CBOW的输入是目标词周围的上下文词汇（窗口内的相邻词），输出是对目标词V_t的预测。模型的结构分为三层，分别是输入层、嵌入层（Embedding）、输出层。

CBOW（Continuous Bag of Words）模型是一种经典的'''词嵌入（Word Embedding）'''模型，由Mikolov等人在2013年提出，是Word2Vec的两种核心架构之一。CBOW通过上下文词汇预测当前词，从而学习词向量。CBOW的输入是目标词周围的上下文词汇（窗口内的相邻词），输出是对目标词V_t的预测。模型的结构分为三层，分别是输入层、嵌入层（Embedding）、输出层。

'''输入层：'''以上下文词的one-hot编码为输入向量w_t（维度为词汇表大小 V）。

'''输入层：'''以上下文词的one-hot编码为输入向量w_t（维度为词汇表大小 V）。\alpha

'''嵌入层：'''

'''嵌入层：'''