什麼是word2vec ？
Word2vec，是爲一羣用來產生詞向量的相關模型。
這些模型爲淺而雙層的神經網絡，用來訓練以重新建構語言學之詞文本。網絡以詞表現，並且需猜測相鄰位置的輸入詞，在word2vec中詞袋模型假設下，詞的順序是不重要的。訓練完成之後，word2vec模型可用來映射每個詞到一個向量，可用來表示詞對詞之間的關係，該向量爲神經網絡之隱藏層。
word2vec的作用是什麼？
word2vec也叫word embeddings，中文名“詞向量”。
作用就是將自然語言中的字詞轉爲計算機可以理解的稠密向量（Dense Vector）在word2vec出現之前，自然語言處理經常把字詞轉爲離散的單獨的符號，也就是One-Hot Encoder（獨熱編碼）。
word2vec的是怎麼個工作模式？
輸入是One-Hot Vector，Hidden Layer沒有激活函數，也就是線性的單元。Output Layer維度跟Input Layer的維度一樣，用的是Softmax迴歸。我們要獲取的dense vector其實就是Hidden Layer的輸出單元。有的地方定爲Input Layer和Hidden Layer之間的權重，其實說的是一回事。
