LLM概念 (2/5)：Word Embedding 是什麼?2 分鐘把字變向量 #WordEmbedding #NLP #LLM

上集 LM 統計法撞牆 — 怎麼救?把字變成向量。2 分鐘看懂 Word Embedding 的核心:意思近的字向量也近,內積算相似度,softmax 變機率。

▌ 把每個字變成一個向量(Embedding)
▌ 意思近的字在向量空間也近
▌ context · 候選 = 內積 → softmax → 機率分布

這集是「LM × Word Embedding 系列」第二集。下一集:這些向量怎麼來的?Word2Vec 訓練。

▌ 你會學到
・Embedding 的核心想法:字 = 向量
・內積 = 向量相似度的幾何意義
・softmax 把任意實數變機率分布

▌ 延伸閱讀
・EP1:Language Model = 條件機率
・EP3:Word2Vec / Skip-gram(訓練字向量的具體方法)

—

#WordEmbedding #NLP #LLM #自然語言處理 #向量空間 #softmax #大學課程 #ComputerScience #機器學習 #DeepLearning #AI教學 #中興大學

Видео LLM概念 (2/5)：Word Embedding 是什麼?2 分鐘把字變向量 #WordEmbedding #NLP #LLM канала 范耀中