Word2 vec的核心架构及其应用

• 作者: 唐晓晟 熊富林 邓怡豪
• 来源期刊: 南京师范大学学报（工程技术版）
• 学科: 工学
• 关键词: 自然语言处理 Word2vec CBOW Skip-gram 中文语言处理
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 计算机工程
• 页码范围: 43-48
• 页数: 6页
• 分类号: TP391.1
• 字数: 5095字
• 语种: 中文

摘要

神经网络概率语言模型是一种新兴的自然语言处理算法,该模型通过学习训练语料获得词向量和概率密度函数,词向量是多维实数向量,向量中包含了自然语言中的语义和语法关系,词向量之间余弦距离的大小代表了词语之间关系的远近,词向量的加减代数运算则是计算机在“遣词造句”。近年来,神经网络概率语言模型发展迅速,Word2vec是最新技术理论的合集。首先,重点介绍Word2vec的核心架构CBOW及Skip-gram；接着,使用英文语料训练Word2vec模型,对比两种架构的异同；最后,探讨了Word2vec模型在中文语料处理中的应用。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊富林	北京邮电大学信息与通信工程学院	2	84	2.0	2.0
2	邓怡豪	北京邮电大学信息与通信工程学院	3	85	2.0	3.0