word2vec：让文字可以进行逻辑运算，女人+王冠=女王

word2vec算法（词嵌入算法）：使用一个低纬度的向量来表示一个词，距离相近的向量在实际的词含义上也是相近的。

　　　　　　　　　　　　　　比如“炸鸡”的向量与“啤酒”的向量距离比“炸鸡”的向量与“收音机”的向量要近

词嵌入获得的向量还具备数学运算关系

比如“女人”词向量+“王冠”词向量           约等于“女王”词向量

独热编码：是一位有效编码，其中每一位都用来存储一个状态。比如

词嵌入优点

能够让离散的文本数据变成定长的数据

词嵌入缺点

过于稀疏

比如特朗普[1,0,0,0,0,0............0,0,0]

拜登[0,1,0,0,0,0...........0,0,0]

如何解决独热编码问题

一种分布式表示的方法：通过对文本词的训练，把每个词都映射到一个比较短、但是稠密的向量上，所有的词向量构成了向量空间，使用统计学方法研究词之间的关系。

比如设置几个人物的维度

词嵌入概念

把原本的词向量映射到这个相对低维度空间的过程称为词嵌入

注意：word2vec（用到了一点神经网络）所得模型并不是最终结果，在训练完成之后，把隐藏层的权重矩阵获取出来，即为算法结果

算法优点

比传统的基于词语统计方法要准确很多，降低了向量维度，通用性很强

算法缺点

无法解决一词多义的问题