1樓：hain
我用word2vec訓練了乙個近義詞模型，開箱即用，huyingxi/Synonyms，word2vec應該是乙個新的開始，它給了我很多啟發。
2樓：
比如w2v找出來的， english 相似度高的：england、french 這些都是很正常的吧， 這他媽是近義詞嗎。
3樓：夏小麥
word2vec相似度找出來的除了近義詞還有相關詞，並且很難分離出來，比如霧霾的distance列表裡前兩個是沙塵和口罩，沙塵是近義詞，口罩就是相關詞。
4樓：繆唯璟
乙個問題是要找近義詞。
還有乙個問題是為什麼這些詞是近義詞而不是同義詞。
在RNNLM能夠證明自己能夠拳打腳踢各種問題（個人猜測這基本不可能）之前。
傳統方法肯定還能在一些問題上存活很久……
5樓：張大帥
要用動態的發展的系統的眼光看問題，反對形上學。事物是永恆發展和普遍聯絡的。事物的發展往往是螺旋式上公升波浪式前進的。
哲學可不光是用來應付政治考試的。
6樓：
為什麼當年svm、kernel完爆神經網路的時候還有人堅持不懈研究神經網路？為什麼今天神經網路完爆kernel了還有人在研究kernel？
學術界與工業界不同，你不能完全用實驗效果來評價學術成果。學術界要探索，哪怕是探索哪些不是非常有效、但是有道理的東西。如果word2vec是現在最好的，就沒人研究其他方法了，是不是技術發展就走到頭了？
7樓：
word2vec學出來的模型可解釋性太差；基於context統計的distributional representation，每個維度都容易理解，這是一大優勢。
此外，distributional representation的代表模型之一explicit semantic analysis（ESA），在很多任務上效能不比word2vec差，當然計算效率是ESA的主要問題。
word2vec有什麼應用？
Edward word2vec的應用極為廣泛。首先，只要是nlp的相關應用就可以使用word2vec進行詞向量的初始化，通過初始化進一步的fine tuning能夠進一步的提公升模型效果。其次針對表示學習也有很多應用比如類似deepwalk之類的，感覺也都是受word2vec啟發。另外值得說的一點是...
GloVe以及Word2vec能稱為deep learning麼？這倆模型的層次其實很淺的
乙個是歷史原因，word2vec的方法原型，是Bengio在03年提出的神經語言模型，這個網路的確是非常淺的網路，只有1個hidden層，但是建模方法算是神經網路 現代的說法是深度學習 Good Fellow的花書裡面也把word2vec方法歸在了神經語言模型的章節。另外乙個原因，word2vec曾...
word2vec 訓練好的詞彙向量檔案是否可以動態增加？如果可以，如何實現動態訓練增加？
江飛燕 gensim train sentences,total words None,word count 0,total examples None,queue factor 2,report delay 1.0 gensim models.word2vec Deep learning with...