分析步骤：
第一步：将one-hot形式分词结果作为输入([0,1,0....,0]的列向量的V*1维词向量)，与投影矩阵C(D*V维度)相乘，得到D*1维的向量
第2步：将第一步的输出结果做拼接，作为隐藏层的输入。
第3步：经过一个全连接的神经网络，经过激励层，再softmax,得到该词出现的概率矩阵和互熵损失。不断训练输出结果，改善权重矩阵C(可以发现C的列向量就是该词的词向量表现形式)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。