← 返回卡片

原书出处

深度学习推荐系统

04 第4章 Embedding技术在推荐系统中的应用

核验版本的摘录快照 · 导入于 2026-11-19T07:39:55.622Z

为了训练 Word2vec 模型,需要准备由一组句子组成的语料库。假设其中一个长度为 T 的句子为w1,w2,…,wT,

假定每个词都跟其相邻的词的关系最密切,即每个词都是由相邻的词决定的(图4-2中CBOW模型的主要原理),或者每个词都决定了相邻的词(图4-2中Skip-gram模型的主要原理)。

如图4-2所示,CBOW模型的输入是ωt周边的词,预测的输出是ωt,而Skip-gram则相反。经验上讲,Skip-gr

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习推荐系统/_epub-src/text/part0008_split_002.html

EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382