神经网络 Embedding层理解； Embedding层中使用预训练词向量

1、Embedding层理解

高维稀疏特征向量到低维稠密特征向量的转换；嵌入层将正整数（下标）转换为具有固定大小的向量；把一个one hot向量变为一个稠密向量

参考：https://zhuanlan.zhihu.com/p/52787964

Embedding 字面理解是 “嵌入”，实质是一种映射，从语义空间到向量空间的映射，同时尽可能在向量空间保持原样本在语义空间的关系，如语义接近的两个词汇在向量空间中的位置也比较接近。

应用：

在深度学习推荐系统中，Embedding主要的三个应用方向：

1、在深度学习网络中作为Embedding层，完成从高维稀疏特征向量到低维稠密特征向量的转换；

2、作为预训练的Embedding特征向量，与其他特征向量连接后一同输入深度学习网络进行训练；

3、通过计算用户和物品的Embedding相似度，Embedding可以直接作为推荐系统或计算广告系统的召回层或者召回方法之一。

</