Word2Vec（词向量）---机器学习

Word2Vec是一种用于将词语映射到向量空间的词嵌入技术，它通过学习大量文本语料库中的词语上下文关系，将每个词语表示为高维向量。这一表示形式使得具有相似语境的词语在向量空间中更加接近。

Word2Vec有两个主要的实现算法：Skip-gram和CBOW（Continuous Bag of Words）。以下是对Word2Vec的一些重点介绍：

1. Skip-gram和CBOW：
   Skip-gram： 通过给定中心词来预测其周围的上下文词，可以用于生成更准确的词向量，特别适用于较大的数据集。
   CBOW： 通过给定周围的上下文词来预测中心词，相对于Skip-gram，CBOW更快，尤其在小型数据集上效果良好。

如下图：左为CBOW，右为Skip-gram

2. 训练过程：
   1、 Word2Vec的训练过程基于神经网络，通常是一个浅2、层的神经网络。
   3、 输入层为词汇表中的每个词&