word2vec

很多人以为 word2vec 指的是一个算法或模型，这也是一种谬误。 因此通过 Word2Vec 技术 输出的词向量可以被用来做很多NLP相关的工作，比如聚类、找同义词、词性分析等等. cbow适用于小规模，或者主题比较散的语料，毕竟他的向量产生只跟临近的字有关系，更远的语料并没有被采用。 而相反的skip-gram可以处理基于相同语义，义群的一大批语料

基于word2vec和logistic回归的中文专利文本分类研究( /HTML) TP391.1 专利文本作为重要的信息载体对其实现自动分类具有重要的研究意义。针对海量的专利文本提出一种基于word2vec和logistic回归的中文专利文本分类模型的机器学习方法。本方法利用word2vec产生的词向量对专利文本进行表示然后配合logistic回归模型对专利说明和摘要合并的文本语料进行学习和训练从而实现对专利文本的自动分类

Word2vec的赞誉极高，被称为2013年最重要的自然语言处理工具，相信搞NLP的没有不知道word2vec的。在我看来，Word2vec最重要的贡献是提供了一个基础，也就是把词转换为实数值向量，在这个基础上可以玩很多花样。当然，可以站在一个更高的角度来看，这里的词其实并不一定真的就是单词，完全可以是具有一定意义的单元块，比如国外音乐网站就用word2vec来训练用户的听歌记录，这里的单元块就是歌曲编号，如果用户对音乐类型的喜好是一致的，那么训练后就能找到与某个歌曲相似的歌曲，这样就能给用户进行推荐了，相信类似这样的例子还有很多

从基本的分词、词袋模型、分布式表示等概念开始，多面深入学习文本挖掘技术的各个方面。 文本挖掘（TM），又称自然语言处理（NLP），是AI时代炙手可热的数据分析挖掘前沿领域，其所涉及的人机对话系统，推荐算法，文本分类等技术在BAT等企业中都得到广泛应用。 本课程将使用经典武侠小说、大众点评抓取结果、微博语料数据等多个实际案例进行教学

2. 中国科学院大学经济与管理学院图书情报与档案管理系 北京 100190 本文系中国科学院战略研究专项"支撑我国重点产业发展的基础研究布局与关键技术储备研究"（项目编号：GHJ-ZLZX-2020-31-5）研究成果之一。 摘要： [目的/意义] 现有研究进行技术融合差异度测度时仅在分类号层面开展、尚未涉及到分类号背后的技术语义内涵层面，且未对测度方法的效果进行对比，对此，本研究从揭示技术语义的角度进行技术融合差异度测度方法研究和效果比较研究，助力其方法论的完善。[方法/过程] 表示学习技术能够利用海量先验知识计算研究对象的语义差异，因此，提出基于Word2vec和Bert的技术融合差异度测度方法，可以利用专利分类号释义文本和关联专利文本来度量技术融合的差异度，共形成6种测度方法