参考文章: https://www.jianshu.com/p/471d9bfbd72f
理解word2vec之前，首先来理解一下什么是One-Hot 编码，这个简单的编码方法处理可枚举的特征时还是很有用的。
编码
One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。举个例子，假设我们有四个样本（行），每个样本有三个特征（列），如图：
我们的feature_1有两种可能的取值，比如是男/女，这里男用1表示，女用2表示。feature_2 和feature_3各有4种取值（状态）。one-hot编码就是保证每个样本中的单个特征只有1位处于状态1，其他的都是0。上述状态用one-hot编码如下图所示：
说白了就是，一个特征有多少种可能的取值，那么就用多少位二进制表示，所以可以看到，这种编码方法只适用于可枚举完的特征，对于连续特征没法完全枚举的，这个时候需要灵活处理下，比如对某个范围内的数当成一个值。
再考虑几个例子，比如有三个特征：
["male", "female"]
["from Europe", "from US", "from Asia"]
["uses Firefox", "uses Chrome", "uses Safari", "uses Internet Explorer"]
将它换成独热编码后，应该是：
feature1=[01,10]
feature2=[001,010,100]
feature3=[0001,0010,0100,1000]
优缺点分析
•优点：一是解决了分类器不好处理离散数据的问题，二是在一定程度上也起到了扩充特征的作用。•缺点：在文本特征表示上有些缺点就非常突出了。首先，它是一个词袋模型，不考虑词与词之间的顺序（文本中词的顺序信息也是很重要的）；其次，它假设词与词相互独立（在大多数情况下，词与词是相互影响的）；最后，它得到的特征是离散稀疏的。
为什么得到的特征是离散稀疏的？
上面举例比较简单，但现实情况可能不太一样。比如如果将世界所有城市名称作为语料库的话，那这个向量会过于稀疏，并且会造成维度灾难。
杭州 [0,0,0,0,0,0,0,1,0,……，0,0,0,0,0,0,0]上海 [0,0,0,0,1,0,0,0,0,……，0,0,0,0,0,0,0]宁波 [0,0,0,1,0,0,0,0,0,……，0,0,0,0,0,0,0]北京 [0,0,0,0,0,0,0,0,0,……，1,0,0,0,0,0,0]在语料库中，杭州、上海、宁波、北京各对应一个向量，向量中只有一个值为1，其余都为0。
可以看到，当城市数比较大的时候，每一个城市表示的向量是非常长的，这就导致了很大的浪费，因为里面一大堆0几乎是没有用的。
一个最简单粗暴的方法就是降维了，比如PCA操作，降维后的特征肯定就不是0-1的特征了，而是小数表示的特征，这样才能用很低的维度覆盖大的特征区间。
当然降维的方法不止PCA，还有很多，我们要说的word2vec就是一种。word2vec
说起word2vec，首先需要简单理解下基于神经网络的自编码模型，自编码，其实就是一种降维方法。基础自编码的网络结构如下：
网络的输入就是一组特征，对应到本文就是一组0-1串的特征，输出维度和输入维度一样，中间有一层隐含层映射，我们的目的就是训练网络使得输出X 尽可能等于输入X。训练好以后，任意一个x进入模型都可以得到中间层的输出结果，此时中间层的输出结果就可以认为是降维后的结果。像本图所示，就是一个4维降到2维的网络模型。
说完自编码，我们再来看看什么是word2vec。
因为word2vec是NLP里面应用的，是对词的一个编码，NLP里面一个很大的特点是什么呢？就是一段话中，一个词的表示是和上下文相关的。也就是说这是一个带有时间先后与相对顺序的表示。那么既要实现上面的降维，又要兼顾词的先后顺序关系，word2vec就是要解决这样的问题。
怎么解决的？首先还是有一个基础的神经网络自编码模型：
那么怎么考虑上下文的信息呢？很简单，输入的时候不光是一个词，而是上下文多个词一起当成输入：
这是一种多对一的模型（CBOW），还有一种一对多（Skip-Gram）模型，我们先说这种多对一模型。
CBOW的训练模型如图所示：
乍一看有点糊涂，不要紧，我们需要明白的是，这个网络结构就是最开始的自编码网络，只不过它的输入不是一次性输入的，而是好几批输入的，而隐含层的结果是好几批输入的加权平均值。
详细的过程为：
1 输入层：上下文单词的onehot.
2 这些单词的onehot分别乘以共享的输入权重矩阵W.
3 所得的向量相加求平均作为隐层向量.
4 乘以输出权重矩阵W {NV}
5 得到输出向量。
6 输出向量与真实单词的onehot做比较，误差越小越好。
这样就可以训练网络了。训练完毕后，输入层的每个单词与矩阵W相乘得到的向量的就是我们想要的词向量（word embedding），这个矩阵（所有单词的word embedding）也叫做look up table（其实这个look up table就是矩阵W自身），也就是说，任何一个单词的onehot乘以这个矩阵都将得到自己的词向量。有了look up table就可以免去训练过程直接查表得到单词的词向量了。
相比于原始的自编码，word2vec最大的不同点在于输入上，要考虑先后关系的自编码，这一点值得好好理解下。
这是多对一的方式，还有一种一对多的方式：同理，目的为了保证上下文的顺序关系的同时实现降维。
word2vec训练最终我们需要的是训练出来的权重矩阵，有了此权重矩阵就能实现输入单词的onehot降维，同时这个降维还包含了上下文的先后循序关系。这就是word2vec。
