word2vec和LDA的区别

两者本来没有啥关系。但从学习的层次而言，模型关注的层次不同。
word2vec是词向量，关注最底层的字词关系
lda关注是抽象的主题信息。（类比于bert网络结构的不同层次）

Word2Vec主要包含两个模型，一个是CBOW模型，上下文预测中间词，还有一个是SG模型，中间词预测上下文，Word2Vec通过训练这两个模型，得到模型训练的副产物-词向量。

LDA是基于文档中单词的共现关系来对单词进行主题聚类，或者说是对“文档-单词”矩阵进行分解为“文档-主题”和“主题-单词”。

接下来我们对其区别和联系进行具体分析：

Word2Vec生成的词向量，由于词向量信息的丰富，不同词向量之间会存在一定的联系，那么其实也可以被理解为一种聚类，那么这样就和LDA的主题词聚类对应上了。
Word2Vec是基于上下文的，而LDA是基于隐含的主题的，从更细节的角度去理解，Word2Vec里关注的更多是语义、语法级别的信息，而LDA关注的是更高的level-文章主题信息。甚至可以说Word2Vec关注细粒度信息，而LDA关注粗粒度。

参考