待验证50% 置信事实精确时间
CBOW由Mikolov等人于2013年提出，是word2vec经典训练架构之一，将上下文词向量简单求平均从而丢失词序信息
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
无需MLP与注意力机制：点吸引子动力学如何学习词嵌入
redditr/learnmachinelearning2026/7/10
相关事实
待验证Word2Vec通过CBOW或Skip-gram两种训练方式，将词语压缩为100～300维的稠密向量66% 相似已验证Word2Vec由Google研究员Tomas Mikolov于2013年提出，首次让机器以稠密向量形式捕捉语义关系62% 相似待验证文本嵌入技术经历了从Word2Vec、Sentence-BERT到基于指令微调的通用嵌入模型的发展路径61% 相似待验证word2vec是静态词向量方法，给每个词一个固定的向量，无论它出现在什么句子里61% 相似待验证原始word2vec需要在整个词汇表上计算softmax归一化，计算复杂度为O(V)，负采样将问题转化为二分类以降低计算量60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/496334API
curl https://kongchang.com/api/v1/knowledge/claims/496334MCP
get_claim(id=496334)