自然语言处理学习总结：

一、自然语言处理（Natural Language Processing，简称NLP）被誉为人工智能皇冠上的明珠，是计算机科学和人工智能领域的一个重要方向。它主要研究人与计算机之间，使用自然语言进行有效通信的各种理论和方法。简单来说，计算机以用户的自然语言数据作为输入，在其内部通过定义的算法进行加工、计算等系列操作后（用以模拟人类对自然语言的理解），再返回用户所期望的结果。

自然语言技术面临的挑战：

语言学问题：同义词问题、情感倾向问题、长文本处理问题、歧义性问题

计算角度

使用深度学习解决自然语言处理任务的套路

1. 处理数据。 确认网络能够接收的数据形式，然后对数据进行处理。
2. 实现网络。 搭建网络的过程。
3. 模型训练。 训练模型调整参数的过程。
4. 评估&上线。 对训练出的模型效果进行评估，确认模型性能。

二、 在自然语言处理任务中，词向量（Word Embedding）是表示自然语言里单词的一种方法，即把每个词都表示为一个N维空间内的点，即一个高维空间内的向量。通过这种方法，实现把自然语言计算转换为向量计算。

3.CBOW和Skip-gram的算法实现

CBOW是一个具有3层结构的神经网络，分别是：

• 输入层： 一个形状为C×V的one-hot张量，其中C代表上线文中词的个数，通常是一个偶数&