word2vec 向量导出 word2vec训练词向量

发布日期：2020-08-17

word2vec 词向量怎么来的

2013年，Google开源了一款用于词向量计算的工具——word2vec，引起了工业界和学术界的关注。

首先，word2vec可以在百万数量级的词典和上亿的数据集上进行高效地训练；其次，该工具得到的训练结果——词向量（word embedding），可以很好地度量词与词之间的相似性。

随着深度学习（Deep Learning）在自然语言处理中应用的普及，很多人误以为word2vec是一种深度学习算法。

其实word2vec算法的背后是一个浅层神经网络。

另外需要强调的一点是，word2vec是一个计算word vector的开源工具。

当我们在说word2vec算法或模型的时候，其实指的是其背后用于计算word vector的CBoW模型和Skip-gram模型。

很多人以为word2vec指的是一个算法或模型，这也是一种谬误。

接下来，本文将从统计语言模型出发，尽可能详细地介绍word2vec工具背后的算法模型的来龙去脉。

详情：网页链接

怎样用word2vec来得到某几个词的向量表示

最近刚刚接触word2vec这个工具，想做一些近义词判定的工作，在得到一组词向量后不太明白如何去评价词向量的好坏。

工具中有一个compute-accuracy，是用一些给定的文本去计算accuracy，不知道这个accuracy是指什么，以及如何给定文本来计算accuracy。