【文本到上下文 #6】Word2Vec、GloVe 和 FastText

一、说明

   欢迎来到“文本到上下文”博客的第 6 个系列。到目前为止，我们已经探索了自然语言处理的基础知识、应用和挑战。我们深入研究了标记化、文本清理、停用词、词干提取、词形还原、词性标记和命名实体识别。我们的探索包括文本表示技术，如词袋、TF-IDF 和词嵌入的介绍。然后，我们将 NLP 与机器学习联系起来，涵盖监督和无监督学习、情感分析以及分类和回归的基础知识。最近，我们涉足深度学习，讨论了神经网络、RNN 和 LSTM。现在，我们将更深入地研究深度学习领域的单词嵌入。

   以下是第 6 篇博文中的预期内容：

1. Word2Vec：深入研究 Word2Vec 的世界，探索其架构、工作原理以及它如何彻底改变对文本中语义关系的理解。我们将研究它的两种主要训练算法：连续词袋 （CBOW） 和 Skip-gram，以了解它们在捕获上下文词义中的作用。
2. GloVe（单词表示的全局向量）：解开 GloVe 模型的复杂性。我们将通过利用全局词-词共现统计来探索它与 Word2Vec 的不同之处，提供一种独特的