文档摘要

1.3 词向量与深度学习基础 本节摘要：词向量把离散词语映射到低维连续向量空间，使语义相近的词距离相近，其训练基础是分布式假设（一个词的意义由上下文决定），代表方法有 Word2Vec（CBOW 与 Skip-gram）、GloVe、FastText；深度学习模型则负责处理词向量构成的序列，从前馈网络的局限讲到循环神经网络的梯度消失，再到长短期记忆网络的门控设计与注意力机制。 会员。《1.3 词向量与深度学习基础》收录于灏天文库文集《NLP在智能客服和内容分析中的应用》，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/458-nlp%E5%9C%A8%E6%99%BA%E8%83%BD%E5%AE%A2%E6%9C%8D%E5%92%8C%E5%86%85%E5%AE%B9%E5%88%86%E6%9E%90%E4%B8%AD%E7%9A%84%E5%BA%94%E7%94%A8

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