检索词向量英语怎么说及英文单词

① word2vec怎么生成词向量python

：将抄one-hot向量转换成低维词向量的这一层（虽然大家都不称之为一层，但在我看来就是一层），因为word2vec的输入是one-hot。one-hot可看成是1*N（N是词总数）的矩阵，与这个系数矩阵（N*M, M是word2vec词向量维数）相乘之后就可以得到1*M的向量，这个向量就是这个词对应的词向量了。那么对于那个N*M的矩阵，每一行就对应了每个单词的词向量。接下来就是进入神经网络，然后通过训练不断更新这个矩阵。

② word2vec是如何得到词向量的

假设每个词对应一个词向量，假设：
1)两个词的相似度正比于对应词向量的乘积。即：sim(v1,v2)=v1⋅v2sim(v1,v2)=v1⋅v2。即点乘原则；
2)多个词v1∼vnv1∼vn组成的一个上下文用CC来表示，其中C=∑ni=1viC=∑i=1nvi。C|C|C|C|称作上下文C的中心向量。即加和原则；
3)在上下文CC中出现单词AA的概率正比于能量因子e−E(A,C),whereE=−A⋅Ce−E(A,C),whereE=−A⋅C。即能量法则（可参看热统中的配分函数）。
因此：

p(A|C)=e−E(A,C)∑Vi=1e−E(vi,C)=eA⋅C∑Vi=1evi⋅C (1)p(A|C)=e−E(A,C)∑i=1Ve−E(vi,C)=eA⋅C∑i=1Vevi⋅C (1)

其中VV是整个词汇空间。
ref1ref1的分母计算是非常耗时的，下面推导比较方面快速的计算ref1ref1的方法。
把整个词汇空间分成两部分GG和HH,同时在下面的公式中GG和HH也表示各自的词向量中心，并且设AA存在于GG中，则：

p(A|C)=p(A|G,C)⋅p(G|C) (2)p(A|C)=p(A|G,C)⋅p(G|C) (2)

where,

p(G|C)=eG⋅CeG⋅C+eH⋅C=11+e(H−G)⋅C (3)p(G|C)=eG⋅CeG⋅C+eH⋅C=11+e(H−G)⋅C (3)

and,

p(A|G,C)=eA⋅C∑w∈Gew⋅C (4)p(A|G,C)=eA⋅C∑w∈Gew⋅C (4)

引入sigmoidsigmoid函数σ(x)=1/(1+e−x)σ(x)=1/(1+e−x)，则

p(G|C)=σ(−(H−G)⋅C)=σ((G−H)⋅C)p(G|C)=σ(−(H−G)⋅C)=σ((G−H)⋅C)

p(G|C)p(G|C)只是简单的计算两部分向量之差，不能再简化了。
另外，根据上述定义，很容易得到这个关系p(G|C)=1−(H|C)p(G|C)=1−(H|C)，因为CC要么落在GG要么落在HH。
观看ref4ref4，则知p(A|G,C)p(A|G,C)是另一个版本的p(A,C)p(A,C)，只是词汇空间从V→GV→G而已。然后我们继续拆分GG递归的计算下去，最后只需要计算各兄弟部分的向量差而已。这是一个典型的二叉树，划分规则在开始就可确定，如果考虑查询效率的话，就是一个霍夫曼树。其中每个叶子节点表示一个单词，每个中间节点G or HG or H的向量为所有子向量的中心。
展开来就是：

p(A|C)=∏σ((Gi−Hi)⋅C)p(A|C)=∏σ((Gi−Hi)⋅C)

那么问题来了，这个词向量是怎么搞出来了？学习词向量哪家强？

现在我们这里有一堆的语料，一行一行分好词的，语料那是相当的多，以至于它涵盖了自然语言中的所有正确句子，每个单词在它所在的位置都是恰到好处。现在每个单词我们有一个对应的词向量，我们怎么来衡量这批词向量的好坏呢。
这批词向量张成一个自然语言的空间（从线性代数来说这样描述可能不太准确），它自己规定的自然语言空间，在这个空间中，它可以导出给定语料在它的空间中出现的概率。熟悉吧，这就是语言模型。
我们可以根据词向量计算出来每个单词在它的位置出现的概率，然后这整个语料在这个向量空间中出现的概率就等于每个词在其位置出现概率的乘积。
即，

p(T)=∏p(wi|Contexti) (5)p(T)=∏p(wi|Contexti) (5)

TT为整个语料样本，ContextiContexti为单词ii的上下文，理论上是扣除该单词后剩下的所有单词包括位置。当然了，我们只考虑它的前后cc个邻居。
我们的目标是使ref5ref5最大化，实际中是加loglog加负之后的最小化。怎么以高效率优化这个目标函数呢，这是一个典型的运筹学问题，而且还是非线性规划。我要翻一下运筹学的教材了。

③ 矢量和向量的英文单词都是一样的吗

是的，都是vector

④ 微积分和向量英语词汇

您好！

微积分：calculous

向量：vector

最好买个电子词典，不给高分的话估计没人会帮你查的。

⑤ C++编写程序对12个月的英文单词根据字典序进行从小到大的排序，请使用string向量实现。

你先把

string a[12]={January
February
March三月来
April 四月
May 五月
June 六月自
July七月
August 八月
September 九月
October 十月
November 十一月
December十二月
}
放到一个数值里面 然后贴出来 我给你排序

⑥ 怎么把词向量引入到神经机器翻译模型

神经抄机器翻译（Neural Machine Translation）是指直接采袭用神经网络以端到端方式进行翻译建模的机器翻译方法。区别于利用深度学习技术完善传统统计机器翻译中某个模块的方法，神经机器翻译采用一种简单直观的方法完成翻译工作：首先使用一个称为编码器（Encoder）的神经网络将源语言句子编码为一个稠密向量，然后使用一个称为解码器（Decoder）的神经网络从该向量中解码出目标语言句子。上述神经网络模型一般称之为“编码器-解码器”（Encoder-Decoder）结构

⑦ 中文词向量相似性评价一般用哪个数据集和什么评价标准

先试图定义麼叫适合研究做
计算量要太高（svg或者lstm太合适）
能够三内做完（志向宏远坑比专pragmatics太合适）属
创新性（难定义啊文应用情析HIT做词PKU做句解析翻译似乎做）
能简单ACL ’14所论文看遍看看没问题针文或者少数民族语言特化反ACL ‘14基本都用词向量吧坚信需要词向量都独特

⑧ 特征向量这个词的英语怎么说

在matlab中，求矩阵A的特征值和特征向量，使用语法【V,D】=eig(A)，所以我觉得用 eigenvector-特征向量，eigenvalue-特征值，较为合理一些哈哈哈。。。