Skip to main content

11.2.2 词嵌入

词向量语义邻域图

本节定位

做 NLP 时，模型并不直接理解“退款”“证书”“密码”这些词本身。 它首先看到的是：

  • 一串编号
  • 再变成一串向量

词嵌入的价值就在这里：

让词不只是有编号，还能在向量空间里表现出语义关系。

如果这层没真正理解清楚，后面学上下文表示、BERT 和检索向量时都会发虚。

学习目标​

  • 理解 one-hot 表示为什么不够
  • 理解词嵌入为什么能表达相似性
  • 掌握余弦相似度这类最常见的相似度直觉
  • 通过可运行示例建立“词向量空间”第一层感觉

历史背景：Word2Vec 为什么会变成 NLP 的关键节点？​

这一节最值得知道的历史节点是：

年份论文 / 方法关键作者它最重要地解决了什么
2013Word2VecMikolov 等让词开始有分布式语义表示，推动 NLP 从“词是否出现”走向“词之间的关系也可计算”

对新人来说，最值得先记的是：

Word2Vec 的意义，不只是“词向量更酷”，而是它让“语义相近”第一次在向量空间里变成可计算的关系。

先建立一张地图​

如果你刚学完 one-hot、BoW、TF-IDF，这一节最自然的续接就是：

  • 前面的方法已经能把文本变成数字
  • 这一节开始解决“这些数字怎么开始带上语义关系”

所以这节真正重要的不是“又一种表示法”，而是：

  • 表示开始从“能算”升级成“更像有语义结构”

词嵌入这节最适合新人的理解顺序不是“直接记住几个向量方法”，而是先看清：

所以这节真正想解决的是：

  • 为什么 one-hot 不够
  • 为什么“词和词的关系”要变成可计算的距离

一个更适合新人的总类比​

你可以把这些表示方法理解成：

  • one-hot 像给每个词发一个工号
  • 词嵌入像把每个词放进一张“语义地图”

工号当然能区分谁是谁， 但你看不出：

  • 哪些词彼此更像
  • 哪些词经常在同一类场景里出现

而一旦变成地图坐标，“近”这件事就第一次能被算出来。

一、为什么我们需要词嵌入？​

one-hot 只能区分身份，不能表达关系​

假设词表里有：

  • 退款
  • 退货
  • 密码

如果用 one-hot：

  • 退款 可能是 [1, 0, 0]
  • 退货 可能是 [0, 1, 0]
  • 密码 可能是 [0, 0, 1]

问题在于：

  • 退款 和 退货 语义明明更近
  • 但在 one-hot 里，它们彼此同样“远”

词嵌入在做什么？​

词嵌入要做的是：

  • 把词映射成低维向量
  • 让语义相近的词在向量空间里更靠近

也就是说，它不只是“编码”，更是在做：

  • 语义表示

一个类比​

你可以把词嵌入理解成地图坐标。

  • one-hot 更像身份证号
  • 词嵌入更像地图位置

身份证号能区分人，但看不出谁和谁住得近； 地图坐标则能让“近”这件事变得可计算。

第一次学词嵌入，最该先抓住什么？​

最该先抓住的不是训练方法，而是这句：

词嵌入最重要的价值，是把“词和词之间的关系”也带进表示里。

这句话一旦稳住，后面：

  • 余弦相似度
  • 邻近词
  • 上下文化表示

都会更容易理解。

二、词嵌入是怎么学出语义的？​

核心假设：上下文相似，词义常常也相近​

如果两个词经常出现在相似上下文里， 模型就会倾向把它们学成相近向量。

例如：

  • 退款
  • 退货

可能都常出现在：

  • 售后
  • 订单
  • 申请

这就会推动它们在空间里更靠近。

向量“靠近”不等于完全同义​

它更常表示：

  • 用法接近
  • 上下文分布接近

所以词嵌入里的“近”，很多时候是分布意义上的近，不一定是严格词典意义上的同义。

为什么这已经很有价值？​

因为一旦有了这种空间关系， 很多任务就能利用它：

  • 相似词查找
  • 文本分类
  • 检索
  • 聚类

为什么说“分布相似”这件事会改变 NLP 主线？​

因为从这里开始，模型不再只会问：

  • 这个词是不是出现了

它开始更容易问：

  • 这个词通常和哪些上下文一起出现
  • 它在语义空间里更像哪一类词

这正是后面表示学习一路往深处走的开端。

三、先跑一个词向量相似度示例​

下面这个例子会做三件事：

  1. 给几个词定义一个小型嵌入
  2. 计算它们的余弦相似度
  3. 比较哪些词更接近
from math import sqrt

embeddings = {
    "refund": [0.90, 0.80, 0.10],
    "return": [0.88, 0.78, 0.12],
    "invoice": [0.15, 0.85, 0.20],
    "password": [0.10, 0.15, 0.95],
}


def cosine(a, b):
    dot = sum(x * y for x, y in zip(a, b))
    norm_a = sqrt(sum(x * x for x in a))
    norm_b = sqrt(sum(x * x for x in b))
    return dot / (norm_a * norm_b)


print("refund vs return  :", round(cosine(embeddings["refund"], embeddings["return"]), 4))
print("refund vs invoice :", round(cosine(embeddings["refund"], embeddings["invoice"]), 4))
print("refund vs password:", round(cosine(embeddings["refund"], embeddings["password"]), 4))

预期输出：

refund vs return  : 0.9998
refund vs invoice : 0.78
refund vs password: 0.261

这个玩具向量让 refund 和 return 几乎指向同一个方向，而 password 距离很远。分类或检索系统就可以把这种距离当成有用信号。

这个例子最重要的直觉是什么？​

你会看到：

  • refund 和 return 更近
  • 和 password 更远

这正是词嵌入最关键的直觉：

“语义近”可以转化为“向量近”。

为什么这里用余弦相似度？​

因为我们常常更关心：

  • 方向是否接近

而不是绝对长度。 余弦相似度正好适合这种比较。

新人第一次学词嵌入，最该先记什么？​

最值得先记住的是：

  1. one-hot 更像编号，不像语义表示
  2. 词嵌入的价值是把“语义近”转成“向量近”
  3. 后面很多 NLP 模型第一步，本质上还是在用 embedding

再看一个最小“找邻近词”示例​

from math import sqrt

embeddings = {
    "refund": [0.90, 0.80, 0.10],
    "return": [0.88, 0.78, 0.12],
    "invoice": [0.15, 0.85, 0.20],
    "password": [0.10, 0.15, 0.95],
}


def cosine(a, b):
    dot = sum(x * y for x, y in zip(a, b))
    norm_a = sqrt(sum(x * x for x in a))
    norm_b = sqrt(sum(x * x for x in b))
    return dot / (norm_a * norm_b)


target = "refund"
neighbors = []
for word, vector in embeddings.items():
    if word == target:
        continue
    neighbors.append((word, round(cosine(embeddings[target], vector), 4)))

neighbors.sort(key=lambda x: x[1], reverse=True)
print(neighbors)

预期输出：

[('return', 0.9998), ('invoice', 0.78), ('password', 0.261)]

这个近邻列表就是 embedding 的实际用法：它不只是存词 ID，而是让你能询问哪些词在语义空间里更接近。

这个示例很适合初学者，因为它能马上把一个抽象概念变得具体：

  • 如果向量真的带了语义关系
  • 那你就应该能从空间里把“更像的词”找出来

四、词嵌入为什么对后续任务有帮助？​

文本分类​

如果“退款”和“退货”向量接近， 模型更容易把它们一起学进“售后类”。

相似文本检索​

如果一段文本由很多相似词组成， 它在向量空间里通常也更接近同主题内容。

下游深度模型输入​

很多模型第一层本质上还是：

  • token id -> embedding vector

所以词嵌入不是旧知识，而是后面更复杂模型的入口。

这一节为什么会直接连到后面的预训练主线？​

因为你后面看到的大多数 NLP 模型，第一步仍然会做类似的事：

  • 先把 token 变成向量表示

区别只是：

  • 固定 embedding 更静态
  • 上下文化表示更动态
  • 预训练模型会把这套表示能力规模化地学得更强

如果你第一次把 embedding 放进项目里，最稳的默认用法​

更稳的用法通常是：

  1. 先把词变成向量
  2. 先看相似词和相似句子是否合理
  3. 再把 embedding 接到分类、检索或聚类里

这样会比一开始就直接上复杂模型更容易建立手感。

五、词嵌入最容易踩的坑​

误区一：词嵌入等于词典释义​

不是。 它更像统计语义空间，不是词典定义表。

误区二：词向量一旦学好就什么都能解决​

词嵌入只能表达基础语义关系。 遇到多义词和复杂上下文时，很快就不够了。

误区三：只看单个词，不看任务​

词嵌入的价值最终还是要放回具体任务里判断。

小结​

这节最重要的，是把词嵌入理解成：

一种把离散词汇映射到连续语义空间的方式，让“相近词”在向量上也更接近。

一旦这个直觉建立起来， 你后面再看上下文表示、句向量和语言模型时就会顺很多。

这节最该带走什么​

  • 词嵌入不是给词换个编号，而是在给词建立语义空间位置
  • 余弦相似度是理解这层语义空间最重要的第一把钥匙
  • 后面上下文化表示和预训练模型，其实都是在这条路上继续往前走

如果再压成一句话，那就是：

词嵌入的意义，不在于把词变短，而在于让词和词之间终于开始有了可计算的语义距离。

练习​

  1. 给示例再加一个词 delivery，自己决定它的向量，并观察它和其他词的相似度。
  2. 为什么说 one-hot 能区分词，但不能表达词和词之间的关系？
  3. 用自己的话解释：余弦相似度为什么适合比较词向量？
  4. 想一想：如果一个词经常出现在多个不同语境里，仅靠固定词向量会遇到什么问题？