【发布时间】：2017-05-12 22:55:12
【问题描述】：
我对 word2vec 输出向量的解释有点困惑！ 如果我想预测最可能出现在特定单词（w1）之后的单词，我可以使用最接近 w1 的单词吗？ 我的意思是，与 w1 距离最短的单词可以解释为概率最高的下一个单词？
【问题讨论】：
-
你能告诉我们你的尝试吗？
标签： nlp distance similarity word2vec
【发布时间】：2017-05-12 22:55:12
【问题描述】：
如果我想预测最可能出现在特定单词（w1）之后的单词，
这称为语言建模
我可以使用最接近 w1 的单词吗？ 我的意思是，与 w1 距离最短的单词可以解释为下一个概率最高的单词？
否：最接近 w1 的词是语义上最接近 w1 的词。
【讨论】：
-
谢谢。 PMI怎么样？能否反映预期的亲密度？
-
它不是概率输出（关节等），因此没有指向 PMI 的链接。
-
感谢您的回答。我发现一篇论文描述了移位 PMI 和 SGNS 之间的等价性。 “作为隐式矩阵分解的神经词嵌入”，O. Levy，Y. Golberg，NIPS'14