词向量/词嵌入(Word embedding)是自然语言处理(NLP)中语言模型与表征学习技术的统称。 概念上而言,它是指把一个维数为所有词的数量的高维空间嵌入到一个维数低得多的连续向量空间中, 每个单词或词组被映射为实数域上的向量。
运行成功后,命令行应该看到下面的信息:
xxxxxxxxxx
...
[INFO ] - china: [-0.22427, 0.27427, ..., 0.45374, -0.85646]
[INFO ] - america: [-0.22427, 0.27427, ..., 0.45374, -0.85646]
[INFO ] - 余弦相似度: 0.6434219
[INFO ] - 内积: 20.194983
运行成功后,命令行应该看到下面的信息:
xxxxxxxxxx
...
[INFO ] - china: [-0.22427, 0.27427, ..., 0.45374, -0.85646]
[INFO ] - america: [-0.22427, 0.27427, ..., 0.45374, -0.85646]
[INFO ] - 余弦相似度: 0.6434219
[INFO ] - 内积: 20.194983
运行成功后,命令行应该看到下面的信息:
xxxxxxxxxx
...
[INFO ] - china: [-0.11286, 0.033802, ..., 0.47543, -0.13274]
[INFO ] - america: [-0.11286, 0.033802, ..., 0.47543, -0.13274]
[INFO ] - 余弦相似度: 0.33554545
[INFO ] - 内积: 15.388843
运行成功后,命令行应该看到下面的信息:
xxxxxxxxxx
...
[INFO ] - china: [-6.2065E-4, 0.85125, ..., -0.69626, 0.71331]
[INFO ] - america: [-6.2065E-4, 0.85125, ..., -0.69626, 0.71331]
[INFO ] - 余弦相似度: 0.7664755
[INFO ] - 内积: 20.657845
运行成功后,命令行应该看到下面的信息:
xxxxxxxxxx
...
[INFO ] - china: [0.2879, -0.22388, ..., -0.39196, -0.27863]
[INFO ] - america: [0.2879, -0.22388, ..., -0.39196, -0.27863]
[INFO ] - 余弦相似度: 0.6482242
[INFO ] - 内积: 20.837606