Machine learning 什么确切地包含Word2Vec的单词向量（或者通常是单词嵌入，但我们可以使用Word2Vec）
有可能解释一下吗？我有一个属性，我总是需要了解一切。我在某个地方读到，它是“上下文”或隐藏神经层的内容（其权重），但仍然有可能充分解释Word2Vec的向量中到底是什么 它真的是一些随机的权重吗？没有更多，没有聪明的意图 顺便说一句，我现在正在检查一些基本的神经网络，我注意到在最简单的情况下，一个输入映射到一个神经元，意思是一个神经元=一个权重，但在进一步的图表中，我注意到一些“完全连接”，所有输入映射到所有神经元，然后似乎一个神经元=N个权重，其中N是它的输入数量 但是我想知道Word2vec向量是否真的只是隐藏层（权重）它如何可以是完全连接输入的情况下的100个权重，正如我所说的，1个神经元大于1个权重Machine learning 什么确切地包含Word2Vec的单词向量（或者通常是单词嵌入，但我们可以使用Word2Vec）,machine-learning,nlp,word2vec,Machine Learning,Nlp,Word2vec,有可能解释一下吗？我有一个属性，我总是需要了解一切。我在某个地方读到，它是“上下文”或隐藏神经层的内容（其权重），但仍然有可能充分解释Word2Vec的向量中到底是什么 它真的是一些随机的权重吗？没有更多，没有聪明的意图 顺便说一句，我现在正在检查一些基本的神经网络，我注意到在最简单的情况下，一个输入映射到一个神经元，意思是一个神经元=一个权重，但在进一步的图表中，我注意到一些“完全连接”，所有输入映射到所有神经元，然后似乎一个神经元=N个权重，其中N是它的输入数量 但是我想知道Word2vec
这是否回答了您的问题？这回答了你的问题吗？