Word2Vec与LDA的区别和联系

首先得明白，这个面试题 在现在这个预训练模型横行的时代，被问的几率是很小的，LDA也是很老的东西了，但为了整个博客内容知识体系的完整性，这里还是整理一下这道面试题的打法

欢迎大家点赞、收藏，用作面试准备~

（Word2Vec原理可以看这里）
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：

1. 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。
2. 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。

这个面试题 在现在这个预训练模型横行的时代，被问的几率是很小的，LDA也是很老的东西了，但为了整个博客内容知识体系的完整性，这里还是整理一下这道面试题的打法

欢迎大家点赞、收藏，用作面试准备~