Word2Vec：词向量的开山之作

Word2Vec 把每个词训练成一个低维向量，语义相近的词在向量空间里彼此靠近。它让“计算机理解语义”第一次变成了可计算的几何问题，是 NLP 进入深度学习时代的里程碑。

Word2Vec 最深远的贡献不是算法，而是证明了“语义可以几何化”。当意义变成空间中的位置，相似性变成距离，类推变成向量加减——人类几千年来对语言本质的思考，获得了一个可计算的形式。

## 核心要点

图片来源：Openverse / pdinnen（https://www.flickr.com/photos/49689051@N00/4455387348）

1. “国王-男人+女人=王后”是它最著名的演示。

2. CBOW 与 Skip-gram 是两种训练方式。

3. 它无法区分一词多义，这是后来的 ELMo/BERT 要解决的。

4. 词向量思想已融入所有现代 NLP 模型。

图片来源：Openverse / Sam Rayner（https://www.flickr.com/photos/7874590@N03/1372425761）

## 写在最后

以上是关于「Word2Vec」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。