130
个编辑
更改
跳到导航
跳到搜索
第1行：
第1行： − + − 简要介绍 Word2Vec 的定义、用途及其在自然语言处理（NLP）中的重要性。+ + +
无编辑摘要
== Intro ==
== Intro ==
'''Word2Vec''' 是一种将词语（word）映射为连续向量（vector）的高效建模技术，它通过在大规模文本语料中自动学习，使每个词表示为一个低维、密集、连续的向量（embedding），这种向量能够捕捉词语之间的'''语义'''和'''句法'''关系。
'''Word2Vec''' 是一种将词语（Word）映射为连续向量（Vector）的高效建模技术，它通过在大规模文本语料中自动学习，使每个词表示为一个低维、密集、连续的向量（Embedding），这种向量能够捕捉词语之间的'''语义'''和'''句法'''关系。
训练后，通过word2vec模型得到的词向量（Word Embeddings）可以广泛应用于各种自然语言处理（NLP）任务中，包括机器翻译（Machine Translation）、信息检索（Information Retrieval）、文本分类（Text Classification）以及情感分析（Sentiment Analysis）等。
传统方法（如N-gram）将词视为离散的ID，无法表达词语间的联系，而word2vec模型将词嵌入到连续空间，相近意义的词在向量空间中距离更近，为后续复杂的模型（如 Transformer）提供了基础。
== '''历史背景''' ==
== '''历史背景''' ==