1、以前怎么计算两句话的相似度呢？就是词袋模型
我很帅 》[1（我）,1（帅）,1（很）,0（不）]
我不帅 》[1,1,0,1]
2、现在怎么计算呢？就是把每个字转换成一个向量（也可以把一句话变成一个向量）下面是两种经典模型
CBOW简单说一下：一共N个字，上下文各两个字，每个字是一个1*N向量，对应位置是1，其余全为0.然后呢乘以一个N*K的矩阵，K就是词向量的维度，再叠加，再乘以一个K*N的矩阵再softmax，得到一个1*N的向量，与这个字做比较，计算损失就行了，bp算法，最后得到N*K的矩阵用来计算每个字的词向量。
这样是不是就完美了？但是这样一个字一个字来很慢啊，效率很重要呀，
解决方案：Hierarchical Softmax和Negative Sampling两种方法
我之前上传的资料里面有一个讲Word2vec数学原理的