word2vec

字幕组双语原文： NLP之文本分类：「Tf-Idf、Word2Vec和BERT」三种模型比较 英语原文： Text Classification with NLP: Tf-Idf vs Word2Vec vs BERT 翻译：雷锋字幕组（

Word2vec 是 Word Embedding 方式之一，属于 NLP 领域。他是将词转化为「可计算」「结构化」的向量的过程。本文将讲解 Word2vec 的原理和优缺点。 这种方式在 2018 年之前比较主流，

雷锋网按：这是一个关于 Skip-Gram 模型的系列教程，依次分为结构、 训练 和 实现 三个部分，本文为第一部分：结构篇，后面两个部分我们将陆续发布，敬请期待。原文 作者天雨粟，原载于作者 知乎专栏 ，雷锋网 (公众号：雷锋网

本文为 AI 研习社编译的技术博客，原标题 ：An implementation guide to Word2Vec using NumPy and Google Sheets 作者 |  Derek Chia翻译 | mui校对 | 酱番梨       整理 | 菠萝妹原文链接：https

雷锋网按：本文为雷锋网 (公众号：雷锋网) 字幕组编译的技术博客，原标题 A、Word2Vec — a baby step in Deep Learning but a giant leap towards Natural Language Processing，作者为机器学习工程师 Suvro

作者：黄小天尽管词嵌入（Word2Vec）技术目前主要用在自然语言处理的应用中，例如机器翻译；但本文指出，该技术还可以用于分类特征处理，把文本数据转换成便于机器学习算法直接使用的实值向量，从而提供了一种看待词嵌入（Word2Vec）应用的新视角。当使用机器学习方法来解决问题的时候，拥有合适的数据是非常关键的。不幸的是，

机器之心投稿作者：唐正阳编者注：本文作者为 CreditX 氪信市场经理唐正阳，深入浅出的介绍了 word2vec 这一深度学习技术，及其在金融风控领域的应用。在当前更加普惠的市场环境下，新金融服务的客群和范围进一步下沉扩大，业务形态也趋于更加小额分散、高效率和规模化，这对传统风控提出了更大的挑战，一方面针对此类客群的

选自SebastianRuder Blog作者：Sebastian Ruder机器之心编译参与：Terrence L 　　 本文是词嵌入系列博客的 Part3，介绍了流行的词嵌入模型全局向量 GloVe 。 part2 请点击 技术