word2vec向量[gensim库]的“大小”是什么意思？

Question

假设字典里有1000个单词（A1，A2，…，A1000）。据我所知，在单词嵌入或word2vec方法中，它的目的是用一个向量来表示字典中的每个单词，其中每个元素表示该单词与字典中剩余单词的相似性。说每个向量应该有999个维度，或者每个word2vec向量的大小应该是999，这是正确的吗？在

但是使用gensimpython，我们可以修改Word2vec的“size”参数的值，在本例中假设size=100。那么“size=100”是什么意思呢？如果我们提取A1的输出向量，表示为（x1，x2，…，x100），在这种情况下x1，x2，…，x100代表什么？在

Answer 1

事实上，“[word2vec]的目的是通过一个向量来表示字典中的每个单词，其中每个元素表示该单词与字典中剩余单词的相似性”。在

相反，给定一定的目标维数，比如说100，Word2Vec算法逐渐训练100维的词向量，使其在训练任务中越来越出色，即预测附近的单词。在

这种反复的过程往往会迫使相关的单词彼此“靠近”，与它们的相似度大致成比例——甚至在这个100维空间中的各种“方向”往往与人类可感知的语义范畴相匹配。因此，著名的“wv（king）-wv（man）+wv（woman）~=wv（queen）”示例通常有效，因为“malness/femaleness”和“royalty”是空间中模糊一致的区域/方向。在

单独的维度，没有任何意义。训练过程包括随机性，随着时间的推移，只会做“任何有效的事”。有意义的方向并非与尺寸轴完全对齐，而是与所有尺寸成角度。（也就是说，你不会发现v[77]是一个类似性别的维度。更确切地说，如果你选取了几十个类似男性和女性的词对，并对它们的所有差异进行平均，你可能会发现一些100维的向量维度，这暗示了性别的方向。）

你可以选择任何你想要的“尺寸”，但是当你有足够的训练数据时，100-400是常见的值。在