word2vec需要多大的样本

自动纠错，首先要有一个语料库，能够自动对文档中涉及的多语种文本进行分词，Word自动调用内置字典对文本进行分词和识别，也就是对应的过程，Word采用的是内置字典形式。

当用户在文档中输入文本时。

若Word发现文本与内置词典不对应，则用红色波浪线标记、识别工作。

语料库主要有内置字典和数据库两种形式...

究竟什么是Word2vec

2013年，Google开源了一款用于词向量计算的工具——word2vec，引起了工业界和学术界的关注。

首先，word2vec可以在百万数量级的词典和上亿的数据集上进行高效地训练；其次，该工具得到的训练结果——词向量（word embedding），可以很好地度量词与词之间的相似性。

随着深度学习（Deep Learning）在自然语言处理中应用的普及，很多人误以为word2vec是一种深度学习算法。

其实word2vec算法的背后是一个浅层神经网络。

另外需要强调的一点是，word2vec是一个计算word vector的开源工具。

当我们在说word2vec算法或模型的时候，其实指的是其背后用于计算word vector的CBoW模型和Skip-gram模型。

很多人以为word2vec指的是一个算法或模型，这也是一种谬误。

接下来，本文将从统计语言模型出发，尽可能详细地介绍word2vec工具背后的算法模型的来龙去脉。

详情：网页链接