Skip to content
简体中文

切换主题

// ⬡ 深度学习基础

Word2Vec 词向量

用“上下文预测词”学到能做加减法的词向量。

Word2Vec 2013 入门 核心

通俗解释

把每个词映射成稠密向量,让出现在相似上下文的词彼此靠近,于是出现“国王−男人+女人≈女王”的规律。它是 embedding 思想的普及者。

用在哪里:词嵌入、推荐系统 item2vec

时间轴 · 前置 → 当前 → 后继

1986 反向传播2013 Word2Vec 词向量2014 GloVe 词向量2018 ELMo 上下文词向量

01原始论文

Efficient Estimation of Word Representations in Vector Space

Tomas Mikolov, Kai Chen, Greg Corrado, et al. · 2013

arXiv ↗ ✓ 已核实 · arXiv API

02知识位置

左边先学;右边是学完它之后可以学的。

先学

Word2Vec 词向量

学完可以学

相关:BPE 子词分词句向量(Sentence-BERT)

03学习资料

官方文档、图解、课程和参考实现,链接都核对过。

04在课程里哪里学

所在学习路线:从零到深度学习从零理解一个大模型

给 AI 读 / 数据说明

数据更新于:AI 算法图谱与课程体系(北京时间)