Problems with this discrete representation -- 離散表示的問題
一個基本的問題是：幾乎所有nlp的研究都用了原子符號來表示單詞。
So, the fundamental thing to note is that for sorta(近似、可以說是) just about all NLP, apart from(除了) both modern deep learning and a litle bit of neural network NLP that got done in the 1980s, that it's all used atomic symbols like hotel, conference, walk.
這樣我們就有了與單詞對應的詞向量表示。詞向量的維度（長度）取決於你的任務，可能是20K維（語音識別），50K維（機器翻譯系統）、500K維甚至13M的維度（Google 1T語料庫的爬蟲-web crawl，有1300萬詞彙，the vocabulary in that is 13 million words.）
那麼，這些向量爲什麼會有問題呢？ And so, why are these vectors problematic?