面試官問我：能用一句話解釋Word2Vec 嗎？ 我當時腦子裡全是"Skip-gram""CBOW""負採樣"... 但我知道，這些字說出來，面試就結束了。 後來，我想明白了。 Word2Vec 就是為詞做定位。 就像給城市做定位。 北京和上海，都是大城市，所以它們在"城市規模"這個維度上很接近。 北京和天津，地理位置近，所以它們在"地理位置"這個維度上很接近。 Word2Vec 做的事情是一樣的。 它給每個字找一個位置。 意思相近的詞，位置就近。 怎麼找這個位置？ 看它周圍是誰。 "蘋果"周圍經常是"水果""香蕉""新鮮"。 "手機"周圍常是"電腦""螢幕""充電"。 所以機器知道，"蘋果"應該和"香蕉"靠近，和"手機"遠離。 這就是Word2Vec。 不是教機器字典，是讓機器看大量文本，自己學會每個單字應該在哪裡。 學完之後，你就可以算任兩個字有多像。 甚至可以做加減法： King - Man + Woman = Queen 因為"性別"這個維度，在這個空間裡是可以被分離出來的。 這是2013 年的突破。 從那之後，機器才真的能"理解"語義。 所有現在的NLP，都建立在這個基礎上。 面試官聽完，點了點頭。 我過了。 --- 由AI 生成，科普word2vec 論文核心概念。
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。