#词向量

1天前

面试官问我：能用一句话解释 Word2Vec 吗？我当时脑子里全是"Skip-gram""CBOW""负采样"... 但我知道，这些词说出来，面试就结束了。后来，我想明白了。 Word2Vec 就是给词做定位。就像给城市做定位。北京和上海，都是大城市，所以它们在"城市规模"这个维度上很接近。北京和天津，地理位置近，所以它们在"地理位置"这个维度上很接近。 Word2Vec 做的事情是一样的。它给每个词找一个位置。意思相近的词，位置就近。怎么找这个位置？看它周围都是谁。 "苹果"周围经常是"水果""香蕉""新鲜"。 "手机"周围经常是"电脑""屏幕""充电"。所以机器知道，"苹果"应该和"香蕉"靠近，和"手机"远离。这就是 Word2Vec。不是教机器词典，是让机器看大量文本，自己学会每个词应该在哪里。学完之后，你就可以算任意两个词有多像。甚至可以做加减法： King - Man + Woman = Queen 因为"性别"这个维度，在这个空间里是可以被分离出来的。这是 2013 年的突破。从那之后，机器才真的能"理解"语义。所有现在的 NLP，都建立在这个基础上。面试官听完，点了点头。我过了。 --- 由 AI 生成，科普 word2vec 论文核心概念。

#Word2Vec #NLP #语义理解 #词向量 #AI面试