Word2vec絕對是我在自然語言處理研究中遇到的最有趣的概念。想象一下，有一種算法可以成功地模擬理解單詞的含義及其在語言中的功能，它可以在不同的主題內來衡量單詞之間的接近程度。

我認為可視化地表示word2vec向量會很有趣：本質上，我們可以獲取國家或城市的向量，應用主成分分析來減少維度，并將它們放在二維圖表上。然后，我們可以觀察可視化的結果。

在本文中，我們將：

從廣義上討論word2vec理論；

下載原始的預訓練向量；

看看一些有趣的應用程序：比如對一些單詞進行算術運算，比如著名的king-man+woman=queen等式

根據word2vec向量看看我們能多精確地來繪制歐洲的首都。

word2vec的原始研究論文和預訓練模型來自2013年，考慮到NL

————————————————

版權聲明：本文為CSDN博主「磐創 AI」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。

原文鏈接：https://blog.csdn.net/fendouaini/article/details/108877790