Python全系列 教程
3567个小节阅读:5931.4k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
word2vec是一种基于神经网络的词嵌入技术,通过训练神经网络得到一个关于输入X和
输出Y之间的语言模型,获取训练好的神经网络权重,这个权重是用来对输入词汇X进行向
量化表示的。
CBOW(Continuous Bag-of-Words Model),即“连续词袋模型”,其应用场景是根据
上下文预测中间词,输入X是每个词汇的one-hot向量,输出Y为给定词汇表中每个词作为目
标词的概率。
也称为"跳字模型",应用场景是根据中间词预测上下文词,所以输入X为任意单词,输出
Y为给定词汇表中每个词作为上下文词的概率。
1. 关于word2vec,下列说法正确的是:
A 是一种基于one-hot的编码方式
B 是一种基于神经网络的词嵌入技术
C 神经网络的输出就是词向量的最终表示
D 以上说法均不正确
2. 关于word2vec的两种模型,下列说法正确的是:
A CBOW模型是根据上下文预测中间词
B Skip-gram模型的输入是多个单词
C Skip-gram模型的输出为给定词汇表中每个词作为目标词的概率
D 以上说法均不正确
1=>B 2=>A