资源网站: https://zh.d2l.ai （GitHub: https://github.com/d2l-ai/d2l-zh ），纸质书详情见资源网站（上架4周重印2次，累计3万册）。 English version: https://www.d2l.ai （GitHub: https://github.com/d2l-ai/d2l-en ） 最接近课程视频中的课件: https://github.com/d2l-ai/d2l-zh/rele... ===== 词向量（word embedding）已逐渐成为自然语言处理的基础知识。 本课将以word2vec为例，着重介绍两套模型：跳字模型（Skip-gram）和连续词袋模型（CBOW），以及两套近似训练法：负采样（Negative sampling）和层序softmax（Hierarchical softmax）。 本节课的大致安排： [10 mins]：词向量和word2vec概述。 [15 mins]：跳字模型。 [15 mins]：连续词袋模型。 [10 mins]：负采样。 [10 mins]：层序softmax。