前预训练时代的自监督学习自回归、自编码预训练的前世
神经网络(Neural Network, NN)
损失函数，度量神经网络的预测结果和真实结果相差多少
- 平方差损失（欧式距离角度）预测概率分部和实际标签概率的欧式距离
- 交叉熵损失（信息量角度）预测概率分部和真实概率分部的差异，指导神经网络学习时，更加稳定
对参数W更新损失的负梯度
One-hot 人为规定，不需要学习，在推荐里有非常多的用处，（可以理解成完全命中）
词向量需要学习，可以很好的泛化结果，泛化性能比 one-hot 更好（可以理解成泛化关系的建模）
评估模型的好坏：有全体指标，以及一些公开的数据集，去评估词向量的相关性
Skip-gram： 给定一个中间值，预测上下文窗口中的一个词
CBoW：给定一个上下文词，预测中间值
RNN 抛开马尔科夫假设，
Self-Attention：每个单词和整句所有话进行匹配，来获取当前单词对每个单词的重视程度，利用这个重视程序，对整句话的每个单词进行加权，加权的结果用于表示当前这个单词
Self-Attention：也是非常流行的 Transformer 的核心模块，
Seft-Attention 没有考虑单词的顺序，所以为了更精装的表示位置信息，需要对句子的输入加个位置的序号 Positional Embedding
残差连接，很好的缓解梯度消失的问题，包括映射和直连接部分
https://aistudio.baidu.com/aistudio/education/lessonvideo/1451160