qq_32070449的博客

使用Word2Vec模型训练一个词向量模型，并进行一些基本的词向量操作，比如查找相似词和进行词向量的类比。训练一个基于Word2Vec的中文词向量模型，使用jieba进行中文分词。训练好模型后，保存为文件并可以加载来进行使用。提供一个功能来进行词向量类比（例如“男人 + 母亲 - 女人”）并输出与之最相似的词。提供一个交互式命令行界面，允许用户输入词语并查找最相似的词。

基于pytorch的网络编写，实现一个网络完成一个简单nlp任务，判断文本中是否有某些特定字符出现。

规律：x是一个5维向量，判断第几个数最大，比如【2，5，4，3，1】实现一个自行构造的找规律(机器学习)任务。第2个数最大，标签为1，其他数标签为0。基于pytorch框架编写模型训练。

最小化损失函数的方法通常采用梯度下降法，即沿着负梯度方向可以达到函数值不断下降，一直到下降到参数无法更新或损失值为极小值等停止。设定了神经网络的网络结构（特征映射层，隐含层，输出层），一旦有了输入样本，就可根据网络结构输出预测值。神经网络的训练目标是使预测值尽可能接近真实值，预测值和真实值的差异就可用损失函数描述，神经网络的学习目标即使损失函数尽可能小，求解损失函数最小值的过程就是反向传播算法，反向传播算法每一步都使用梯度下降法来更新当层的网络参数。更多详细原理可参考B站视频。更多详细推导过程参考。