DL杂记：word2vec之TF-IDF、共轭矩阵、cbow、skip-gram

下面来看几个问题，下面将关注几个问题进行阐述：

• 为什么是word2vector
• 为什么语义的word2vec要好于无语义word2vec
• cbow的word2vec结果展示
• TF实现TF-IDF、共轭矩阵、cbow、skip-gram
• 训练好的word embedding通过倒排进行检索

 

1、 为什么是word2vector？ 

• 可以看下面这个博文解释的不错： 后面有时间会自己整理：http://www.cnblogs.com/pinard/p/7160330.html

2、 为什么语义的word2vec要好于无语义word2vec？

• 可以对词更好的进行向量表示
• 结果导向，比较几种word2vec方法，并且小样本下cbow会更好

3、cbow的word2vec结果展示（还有很大优化空间的，并且训练的数据也不是很多）

enter an word to search:父亲
('母亲', 0.5006737825399452)
('姐姐', 0.5005755597664082)
('政变', 0.5005573175296762)
('那一年', 0.5005278451741275)
('都回', 0.5005222345952383)
('孙子', 0.5005130261421589)
('竟被', 0.5005126096655758)
('8岁', 0.5005020163846302)
('姨妈', 0