文档摘要

3.1 文本预处理与词向量表示 本节摘要：模型不认得文字，只认得数字。把语言数字化的流水线分两步：分词（tokenization）把文本切成 token，词向量（embedding）把 token 映射成携带语义的稠密向量。本节讲 BPE 子词分词的机制与取舍、词向量"语义相近则向量相近"的原理，以及从 word2vec 静态向量到上下文向量的关键跃迁——后者是大模型能理解歧义的基础。 会员。《3.1 文本预处理与词向量表示》收录于灏天文库文集《AI大模型开发与应用实战》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/189-ai%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%BC%80%E5%8F%91%E4%B8%8E%E5%BA%94%E7%94%A8%E5%AE%9E%E6%88%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流