本文主要是介绍word2vec 入门（二），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！
word2vec
要解决问题： 在神经网络中学习将word映射成连续（高维）向量，这样通过训练，就可以把对文本内容的处理简化为K维向量空间中向量运算，而向量空间上的相似度可以用来表示文本语义上的相似度。
一般来说， word2vec输出的词向量可以被用来做很多 NLP 相关的工作，比如聚类、找同义词、词性分析等等。另外还有其向量的加法组合算法。官网上的例子是 ：
vector('Paris') - vector('France') +
vector('Italy') ≈vector('Rome')， vector('king') - vector('man') + vector('woman') ≈
vector('queen')
但其实word2vec也只是少量的例子完美符合这种加减法操作，并不是所有的 case 都满足。
快速入门
1、从http://word2vec.googlecode.com/svn/trunk/ 下载所有相关代码：
一种方式是使用svn Checkout，可加代理进行check。
另一种就是export to github，然后再github上下载，我选择第二种方式下载。
2、运行
这篇关于word2vec 入门（二）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！
