Unverified50% confidenceFactExact time
Word2Vec包含Skip-gram和CBOW两种架构，Skip-gram给定中心词预测上下文词，CBOW用上下文词预测中心词
1
Sources
50%
Confidence
Long-term
Relevance
8/18/2026
First Seen
Sources
Related Claims
UnverifiedWord2Vec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69% similarUnverifiedword2vec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67% similarUnverifiedWord2Vec、SVD、GloVe是三种不同的用来学习embedding矩阵的方法61% similarUnverified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59% similarUnverified静态嵌入（如Word2Vec、GloVe）为每个词分配一个固定向量，无论它出现在什么语境中59% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/771178API
curl https://kongchang.com/api/v1/knowledge/claims/771178MCP
get_claim(id=771178)