八、词嵌入语言模型（Word Embedding）

词嵌入（Word Embedding, WE），任务是把不可计算、非结构化的词转换为可以计算、结构化的向量，从而便于进行数学处理。

一个更官方一点的定义是：词嵌入是是指把一个维数为所有词的数量的高维空间（one-hot形式表示的词）【嵌入】到一个维数低得多的连续向量空间中，每个单词或词组被映射为实数域上的向量。

 Word Embedding 解决了 One-Hot 独热编码的两个问题。参考：一、独热编码（One-Hot）

• Word Embedding 矩阵给每个单词分配一个固定长度的向量表示，这个长度可以自行设定，实际上会远远小于字典长度，将词向量映射到了一个更低维的空间。
• Word Embedding 矩阵使两个词向量之间的夹角值（最常用到的相似度计算函数是余弦相似度(cosine similarity)）作为他们之间关系的一个衡量，保持词向量在该低维空间中具备语义相似性，越相关的词，它们的向量在这个低维空间里靠得越近。

Word Embedding 示例图：参考Word Embedding介绍

展示将 “way back into love” 翻译成中文的过程： 

第一步：将 “way bac