python - 使用Gensim库进行训练时，跳过语法word2vec和CBOW w2v有什么区别？

对于Skip-gram word2vec训练样本，如下所示：

Sentence: The fox was running across the maple forest

单词fox为接下来的训练提供对：

fox-run, fox-across, fox-maple, fox-forest

等等。 CBOW w2v使用反向方法：

run-fox, across-fox, maple-fox, forest-fox

或forest字：

fox-forest, run-forest, across-forest, maple-forest

这样我们就得到了所有的配对。如果在CBOW模式下训练时未指定目标词，则在使用gensim库训练期间，Skip-gram word2vec和CBOW w2v有什么区别？在这两种情况下，是否都使用所有成对的单词？

最佳答案

仅skip-gram使用形式为(context_word)->(target_word)的训练对。

在CBOW中，培训示例为(average_of_multiple_context_words)->(target_word)。因此，当反向传播单个训练示例中的错误时，多个上下文词会得到相同的纠正。

关于python - 使用Gensim库进行训练时，跳过语法word2vec和CBOW w2v有什么区别？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52252119/