NLP

词嵌入(word embedding)：将单词转化为向量表示，embedding就相当于encoding
类比推理(analogical reasoning)：比如man-woman，那么king-？
比较向量相减的相似度，相似度函数：余弦相似度函数(向量夹角余弦值)

可视化-t-SNE算法-将高维空间中点的距离关系在二维图片上显示出来(这个过程会失去很多信息)
Word2Vec：一种词嵌入算法，skip-gram模型
负采样(negative sample)：将Word2Vec的softmax改为很多个二分类的logistic回归，
如果是用一个词语作为输入，来预测它周围的上下文，那这个模型叫做『Skip-gram 模型』
而如果是拿一个词语的上下文作为输入，来预测这个词语本身，则是 『CBOW 模型』