word2vec简介
word2vec工具主要包含两个模型：跳字模型（skip-gram）和连续词袋模型（CBOW），以及两种高效训练的方法：负采样（negative sampling）和层序softmax（hierarchical softmax）。word2vec词向量可以较好地表达不同词之间的相似和类比关系。
自然语言是一套用来表达含义的复杂系统。在这套系统中，词是表义的基本单元。在机器学习中，如何使用向量表示词？词向量是用来表示词的向量，通常也被认为是词的特征向量。近年来，词向量已逐渐成为自然语言处理的基础知识。
NLP（自然语言处理）里面，最细粒度的是词语，词语是符号形式的，所以需要把他们转换成数值形式，嵌入到一个数学空间里，这种嵌入方式，就叫词嵌入，Word2vec，就是词嵌入的一种，简单点来说就是把一个词语转换成对应向量的表达形式，来让机器读取数据。
语言模型
如何计算一段文本序列在某种语言下出现的概率？
统计语言模型给出了这一类问题的一个基本解决框架。对于一段文本序列S=w1,w2...wT,它的概率可以表示为：p(S)=p(w1,w2...wT)=p(w1)p(w2|w1)p(w3|w1,w2)…p(wT|w1,w2,…,wT-1),即将序列的联合概率转化为一系列条件概率的乘积。常见的统计语言模型有N元文法模型（N-gram Model）。
基于马尔科夫假设
下一个词的出现仅依赖于它前面的一个或几个词。假设下一个词的出现依赖它前面的一个词，则有：p(S)=p(w1)p(w2|w1)p(w3|w1,w2)…p(wn|w1,w2,…,wn-1)=p(w1)p(w2|w1)p(w3|w2)…p(wn|wn-1) // bigram
假设下一个词的出现依赖它前面的两个词，则有：p(S)=p(w1)p(w2|w1)p(w3|w1,w2)…p(wn|w1,w2,…,wn-1)=p(w1)p(w2|w1)p(w3|w1,w2)...p(wn|wn-1,wn-2) // trigram
那么，我们在面临实际问题时，如何选择依赖词的个数，即n。更大的n：对下一个词出现的约束信息更多，具有更大的辨别力；更小的n：在训练语料库中出现的次数更多，具有更可靠的统计信息，具有更高的可靠性。理论上，n越大越好，经验上，trigram用的最多，尽管如此，原则上，能用bigram解决，绝不使用trigram。
NLP词的表示方法类型
1.one-hot
2.词的分布式表示：基于矩阵的分布表示、基于聚类的分布表示和基于神经网络的分布表示。
神经网络语言模型
主要用到的是CBOW和Skip-gram模型。
CBOW
CBOW（Continuous Bag-of-Word Model）又称连续词袋模型，是一个三层神经网络。如下图所示，该模型的特点是输入已知上下文，输出对当前单词的预测。
(1)输入层：上下文单词的onehot。（假设单词向量空间dim为V，上下文单词个数为C）
(2)所有onehot分别乘以共享的输入权重矩阵W（VN矩阵，N为自己设定的数，初始化权重矩阵W）
(3)所得的向量 （注意onehot向量乘以矩阵的结果） 相加求平均作为隐层向量, size为1N.
(4)乘以输出权重矩阵W’ {NV}
(5)得到向量 {1V} 激活函数处理得到V-dim概率分布 {PS: 因为是onehot，其中的每一维都代表着一个单词}，概率最大的index所指示的单词为预测出的中间词（target word）
(6)与true label的onehot做比较，误差越小越好。loss function（一般为交叉熵代价函数）
在上图中，这里输入层是由one-hot编码的输入上下文{x1,…,xc}组成，其中窗口大小为C，词汇表大小为V。隐藏层是N维的向量。最后输出层是也被one-hot编码的输出单词y。被one-hot编码的输入向量通过一个V×N维的权重矩阵W连接到隐藏层；隐藏层通过一个N×V的权重矩阵W′连接到输出层。
Skip-gram
Skip-gram只是逆转了CBOW的因果关系而已，即已知当前词语，预测上下文。
