1、以前怎麼計算兩句話的相似度呢？就是詞袋模型
我很帥 》[1（我）,1（帥）,1（很）,0（不）]
我不帥 》[1,1,0,1]
2、現在怎麼計算呢？就是把每個字轉換成一個向量（也可以把一句話變成一個向量）下面是兩種經典模型
CBOW簡單說一下：一共N個字，上下文各兩個字，每個字是一個1*N向量，對應位置是1，其餘全爲0.然後呢乘以一個N*K的矩陣，K就是詞向量的維度，再疊加，再乘以一個K*N的矩陣再softmax，得到一個1*N的向量，與這個字做比較，計算損失就行了，bp算法，最後得到N*K的矩陣用來計算每個字的詞向量。
這樣是不是就完美了？但是這樣一個字一個字來很慢啊，效率很重要呀，
解決方案：Hierarchical Softmax和Negative Sampling兩種方法
我之前上傳的資料裏面有一個講Word2vec數學原理的