【发布时间】：2018-05-25 12:56:12
【问题描述】：
谁能给我一个直观的解释，解释我们为什么使用词嵌入，以及神经网络如何使这个过程变得更容易和更好？
【问题讨论】：
-
我认为对 SO 来说太宽泛了，而且不是真正基于编程的。
标签： r machine-learning nlp word-embedding
【发布时间】：2018-05-25 12:56:12
【问题描述】：
词嵌入是自然语言处理 (NLP) 中一组语言建模和特征学习技术的统称，其中词汇表中的单词或短语被映射到实数向量。
有许多分支机构和许多研究小组致力于词嵌入。 2013 年，由 Tomas Mikolov 领导的 Google 团队创建了word2vec，这是一个词嵌入工具包，可以比以前的方法更快地训练向量空间模型。大多数新的词嵌入技术依赖于神经网络架构，而不是更传统的 n-gram模型和无监督学习。
为什么较新的方法依赖于神经网络？主要是因为他们可以更快、更有效地解决问题。造成这种情况的部分原因是神经架构考虑了整个排序序列，而不是孤立地考虑每个单词。
要获得更详细的解释，您可能需要进行一些研究。阅读 this 博文可能是一个好的开始。
【讨论】：