文档摘要

01 词向量与表示学习 词向量（Word Embedding）把每个词映射成一个稠密向量，让语义近、用法像的词在向量空间里挨得近。 它是神经网络处理文本的入口，也是"把语言变成可计算向量"这一思想的启蒙。这一节从"one-hot 为什么不行"讲起，讲清静态词向量的语义可比性，并为第四章后续的"上下文表示"埋下伏笔。 一个数字问题：神经网络吃不了"文本"，只能吃"数字" 你没法把一个词直接扔给神经网络。 会员。《词向量与表示学习》收录于灏天文库文集《机器翻译技术原理与实现》，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/491-%E6%9C%BA%E5%99%A8%E7%BF%BB%E8%AF%91%E6%8A%80%E6%9C%AF%E5%8E%9F%E7%90%86%E4%B8%8E%E5%AE%9E%E7%8E%B0

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