（Word2Vec）怎么将得到的词向量变成句子向量，以及怎么衡量得到词向量的好坏

腾讯一面的题目，当时脑子里只有相加平均

1. Word2Vec 怎么将得到的词向量变成句子向量

1）平均词向量：
平均词向量就是将句子中所有词的word embedding相加取平均，得到的向量就当做最终的sentence embedding。这种方法的缺点是认为句子中的所有词对于表达句子含义同样重要。

2）TF-IDF加权平均词向量：
TF-IDF加权平均词向量就是对每个词按照 TF-IDF 进行打分，然后进行加权平均，得到最终的句子表示。

3）SIF加权平均词向量：(没用过，所以理解其神韵即可)
第一步是对TF-IDF加权方法进行了改进，即算法认为词频本身很小的词，如果出现在当前句子中，说明其应当具有较高的权重。通过这样的方式进行加权平均操作得到一个平均向量。
第二步则是将该向量中的各个词的共有信息给抽掉，剩下的信息则更能够表征这个句向量。

2. Word2Vec 怎么衡量得到词向量的好坏

1）analogy task：
看看空间距离近的词，跟人的直觉是否一致，
经典的例子：king-queen=man-woman

2）对实际NLP任务的贡献：
对于一些传统方法做的任务，可以直接当作特征加进去，看看提升的效果。
对于用神经网络做的，可以用词向量作为词那一层的初始值，初始值选得好，就当做词向量好。