word2vec的算法思想详解（cbow+skipgram+negative sampling））

最新推荐文章于 2024-10-08 10:15:17 发布

原创

最新推荐文章于 2024-10-08 10:15:17 发布 · 787 阅读

·

1

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#算法 #word2vec #深度学习

Word2vec是词嵌入方法，通过CBOW和Skip-gram模型训练，其中Skip-gram结合Negative Sampling提高效率。训练过程中调整窗口大小和负样本数量以优化结果。该模型能将词转化为向量，适用于多种NLP任务，但存在多义词问题且不能动态优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考：
https://easyai.tech/ai-definition/word2vec/
https://jalammar.github.io/illustrated-word2vec/

Word2vec 是 Word Embedding 词嵌入的方法之一。

Word Embedding 就是将「不可计算」「非结构化」的词转化为「可计算」「结构化」的向量。

在这里插入图片描述
Word2vec 有 2 种训练模式。

CBOW(Continuous Bag-of-Words Model)

通过上下文来预测当前值。相当于一句话中扣掉一个词，让你猜这个词是什么。
在这里插入图片描述

Skip-gram (Continuous Skip-gram Model)

用当前词来预测上下文。相当于给你一个词，让你猜前面和后面可能出现什么词。
在这里插入图片描述
训练

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。