【第2篇】词向量第二课时上：论文精读.docxVIP

任务名称：论文精读，学习论文的算法原理，掌握算法的流程和实现方式 任务简介：精读整篇论文，学习视频第二课时-论文精读部分 详细说明： 本阶段论文精读的视频课分为两小节，第一节首先介绍了论文的整体框架，这部分我们根据论文结构和摘要理清作者的写研究和写作思路；然后讲解了神经网络语言模型NNLM，这部分我们详细阐述了如何利用神经网络语言模型生成分布式表示的词向量，为之后学习word2vec的两种模型打下基础。第二节带领大家详细学习论文提出的word2vec的两种改进模型CBOW和skip-gram，详细讲解了如何两种模型的原理以及如何利用这两种模型生成词向量。之后讲解了论文实验中的一些设置和并且分析了实验结果。最后我们进行了论文的讨论和总结，并展望该领域未来的发展方向。 这部分主要是论文的理论学习部分，要求大家结合视频课程再次精读论文，搞懂在预习时留下的问题，争取做到没有知识盲点。在学习完本阶段后要明白word2vec工具中的两种模型与传统神经网络模型的区别，为什么要这样做，优点在哪，除此之外还有什么改进的方法。及时做好学习笔记。 打卡要求： （形式：文字+图片，字数不限） 1.分别画出神经网络语言模型、CBOW和Skip-gram模型的数据流程图。 2.根据实验结果分析为什么论文中表4中skip-gram比CBOW的模型效果好。 3.列举三个学习完本课程的问题。 \t /v1/co