深度学习word2vec学习笔记.docx

深度学习 word2vec 学习笔记 深度学习 word2vec 笔记之基础篇主要讲解了深度学习和 word2vec 的基础知识。深度学习是机器学习领域的巨星，Google 公司无疑是旗举得最高的，口号喊得最响亮的那一个。word2vec 是 Google 发布的一种深度学习工具，可以将自然语言处理（NLP）中的词语转换为数学化的词向量，可以应用于自然语言领域的各种任务中。 本篇笔记主要讲解了词向量的两种表示方式：One-Hot Representation 和 Distributed Representation。One-Hot Representation 是一种简单的词向量方式，使用一个很长的向量来表示一个词，但这种方式存在两个缺点：容易受维数灾难的困扰，不能很好地刻画词与词之间的相似性。Distributed Representation 是一种更好的词向量表示方式，可以克服 One-Hot Representation 的缺点，使用一个普通的向量表示一个词，可以捕捉到词与词之间的相似性。 word2vec 是一种深度学习工具，可以将自然语言处理（NLP）中的词语转换为数学化的词向量，可以应用于自然语言领域的各种任务中。word2vec 的出现引起了一帮人的热捧，互联网界大量 Google 公司的粉丝们兴奋了，从而 Google 公司的股票开始大涨。 在浏览了多位大牛的博客，随笔和笔记后，整理成自己的博文，或者说抄出来自己的博文。这个笔记还讲解了背景知识，包括自然语言处理（NLP）相关任务中要将自然语言数学化的原因，因为机器不是人，机器只认数学符号。向量是人把自然界的东西抽象出来交给机器处理的东西，基本上可以说向量是人对机器输入的主要方式了。 这个笔记主要讲解了深度学习和 word2vec 的基础知识，包括词向量的表示方式、背景知识等，旨在帮助读者更好地理解 word2vec 和深度学习在自然语言领域的应用。