word2vec浅析

word2vec是google在2013年公布的开源工具包，可以用来将word vector化。原理如下

word2vec中的数学原理详解（一）目录和前言

简单来说：

为了实现文章或者一段话的情感分析，有以下几种方法：

1.    简单分为正向情感和负向情感，比如 good 就+1， bad就-1

2.    利用bags of words , 认为词是独立的，缺点是不考虑上下文的联系

3.    利用word2vec，考虑上下文

该方法可以在捕捉语境信息的同时压缩数据规模。Word2Vec实际上是两种不同的方法：Continuous Bag of Words (CBOW) 和Skip-gram。CBOW的目标是根据上下文来预测当前词语的概率。Skip-gram刚好相反：根据当前词语来预测上下文的概率。这两种方法都利用人工神经网络作为它们的分类算法。起初，每个单词都是一个随机 N 维向量。经过训练之后，该算法利用 CBOW 或者 Skip-gram 的方法获得了每个单词的最优向量。

参考

源文档<