邓澍军、陆光明、夏龙
前言：Deep Learning已经很火了，本文作者算是后知后觉者，主要原因是作者的目前工作是广告点击率预测，而之前听说Deep Learning最大的突破还是在图像语音领域，而在NLP和在线广告点击预测方面的突破还不够大。但后来听说Google开源的word2vec还挺有意思，能够把词映射到K维向量空间，甚至词与词之间 的向量操作还能和语义相对应。如果换个思路，把词当做feature，那么word2vec就可以把feature映射到K维向量空间，应该可以为现有模型提供更多的有用信息，基于这个出发点，作者对word2vec的相关代码和算法做了相关调研，本文就是作者关于word2vec调研的总结，也是作为自己以后备用。存在疏漏之处，欢迎大家反馈：shujun_deng@163.com。
目录
一、什么是word2vec？ …….……….…….……….…….……….….………2
二、快速入门 …….……….…….……….…….……….………….3
三、作者八卦 …….……….…….……….…….……….………….4
四、背景知识 …….……….…….……….…….……….………….5
五、模型 …….……….…….……….…….……….…….…….11
六、Tricks …….……….…….……….…….……….…….…….17
七、分布式实现 …….……….…….……….…….……….…….…….21
八、总结 …….……….…….……….…….……….…….…….22
参考代码 …….……….…….……….…….……….…….…….22
参考文献 …….……….…….……….…….……….…….…….23
一、什么是word2vec？ …….……….…….……….…….……….….………2
二、快速入门 …….……….…….……….…….……….………….3
三、作者八卦 …….……….…….……….…….……….………….4
四、背景知识 …….……….…….……….…….……….………….5
五、模型 …….……….…….……….…….……….…….…….11
六、Tricks …….……….…….……….…….……….…….…….17
七、分布式实现 …….……….…….……….…….……….…….…….21
八、总结 …….……….…….……….…….……….…….…….22
参考代码 …….……….…….……….…….……….…….…….22
参考文献 …….……….…….……….…….……….…….…….23
5380
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
