本文主要是介绍李沐第十六课《词向量word2vec》，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
首先word2vec只是一个工具，然后word2vec主要包含两个模型:skip-gram(跳字模型)和CBOW模型(continuous bag of words 连续词袋模型)，然后还包括两种高效的训练方法：负采样(negative sampling)和层序softmax(hierarchical softmax)。word2vec可以较好的表达不同词之间的相似和类比关系。
skip-gram模型：
在skip模型中，我们用一个词（叫做中心词）来预测它周围的词。例如给定文本序列”the”,”man”,”hit”,”his”,”son”,那么skip-gram模型所做的就是，给定”hit”来生成它邻近词”the”,”man”,”his”,”son”的概率。那么”hit”叫做中心词，其他的四个词叫做背景词。
具体计算流程如下：
对于上述计算过程，理解即可，偶尔
这篇关于李沐第十六课《词向量word2vec》的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
