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

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：

TFIDF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：

在2016年的论文 A simple but tough-to-beat baseline for sentence embeddings 提出了一种非常简单但是具有一定竞争力的句子向量表示算法。

4）Doc2Vec

https://blog.youkuaiyun.com/John_xyz/article/details/79208564

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。