已验证65% 置信事实精确时间
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
3
来源数
65%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
印度AI招聘微跌5%背后：核心技能需求结构保持稳固
redditr/learnmachinelearning2026/7/11
相关事实
待验证Embedding技术起源于2013年Google发布的Word2Vec，首次证明词语语义关系可在连续向量空间中被数学化表达72% 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66% 相似待验证嵌入模型的作用是把文本转换为高维向量，让机器能够以数学方式衡量语义相似度64% 相似待验证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62% 相似待验证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61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/498134API
curl https://kongchang.com/api/v1/knowledge/claims/498134MCP
get_claim(id=498134)