word2vec相关论文

1. Efficient Estimation of Word Representations in Vector Space （Google 2013）

word2vec的奠基性论文之一，由Google的Tomas Mikolov提出。该论文提出了CBOW和Skip-gram两种word2vec模型结构。

2. Distributed Representations of Words and Phrases and their Compositionality （Google 2013）

word2vec的另一篇奠基性论文。详细描述了Skip-gram模型，包括模型的具体形式和Hierarchical Softmax、Negative Sampling两种可行的训练方法。

 

3. word2vec Parameter Learning Explained （Umich 2016）

Mikolov的两篇代表作标志了word2vec的诞生，但论文中忽略了一些细节，不易懂。后来，Xin Rong博士对word2vec进行了详细的解释，比如，词向量如何抽取，具体的训练过程等。