Word2Vec是怎么计算的

Word2Vec是一种基于神经网络的语言模型，它使用连续词袋（CBOW）和Skip-gram两种算法来计算词向量。这些词向量被用来表示每个单词在语义空间中的位置，其大小和方向表示了单词之间的语义关系和相似性。

CBOW算法是指给定一个上下文窗口内的单词，预测中间的单词。CBOW的输入是一个上下文窗口内的词向量的平均值，输出是中心单词的词向量。Skip-gram算法则是给定一个中心单词，预测它周围的单词。Skip-gram的输入是中心单词的词向量，输出是上下文窗口内的词向量的平均值。

这些算法使用神经网络来训练模型，即将大量的语料库作为输入，通过反向传播算法更新神经网络中的权重参数，使得模型能够对语料库中的单词进行分类和预测。最终，得到的词向量可以用来计算单词之间的相似性和相关性。