倍福文学

手机浏览器扫描二维码访问

第238章 浇灌（第1页）

星期二的清晨，阳光透过斑驳的树叶，洒在教室的课桌上，形成一片片光影。

云清、许文馨、于芳和凌静四人结伴走进教室，她们轻声交谈着，脸上带着晨起的朝气。

找到座位后，四人依次坐下，云清把书包放在桌上，开始有条不紊地整理着课本和笔记。

就在这时，教室门口传来一阵轻微的脚步声，众人抬头望去，只见祁阳背着书包走进了教室。

祁阳身形挺拔，穿着一件简单的白色T恤和蓝色牛仔裤，整个人显得阳光干净。

他平日里总是习惯坐在教室后座，可今天却径直朝着云清的方向走来。

祁阳走到云清的课桌旁，脸上带着温和的笑意，说道：“上次我给你补课，这次你得给我补课了，下课把你笔记给我看。”

他的声音不大，却清晰地传入每个人的耳中。

云清微微一怔，随即抬起头，对上祁阳那双明亮的眼睛，毫不犹豫地点点头，“可以，你坐我旁边吧。”

说着，她伸手把旁边课桌上的杂物往自己这边挪了挪，给祁阳腾出位置。

许文馨坐在云清的前面，此时她好奇地转过头，眼神在祁阳和云清之间来回打量，嘴角微微上扬，露出一抹意味深长的笑容。

于芳和凌静也对视了一眼。

祁阳倒是没有在意周围人的目光，他大大方方地把书包放在桌上，坐了下来。

坐定后，他微微侧身，看向云清，轻声说道：“谢谢。”

那笑容里，带着几分亲近，仿佛他们之间有着旁人所不知的默契。

云清回以一个淡淡的微笑，没有说话，继续整理着自己的东西。

上课铃很快响起，老师走进教室，开始了今天的授课。

云清全神贯注地听着课，手中的笔不时在笔记本上记录着重点。

祁阳也一改往日的慵懒，坐得笔直，眼睛紧紧盯着黑板，偶尔会偏头看向云清的笔记，眼神里透着专注与认真。

而坐在周围的许文馨、于芳和凌静，心思却时不时地飘到这两人身上。

“同学们，经过之前对自然语言处理基本概念和简单工具的了解，今天我们要深入探讨自然语言处理中的词向量表示，这是让计算机理解人类语言的关键一步。”

王教授拿起一支粉笔，转身在黑板上写下“词向量”

三个大字。

“大家想想，我们日常使用的语言，像‘苹果’‘快乐’这些词汇，对于人类来说，它们有着明确的含义，我们可以轻易理解并运用。

但计算机是如何理解这些词汇的呢？这就需要将词汇转化为计算机能够处理的数字形式，也就是词向量。”

为了让同学们有更直观的感受，王教授举了一个例子：“假设我们有一个简单的句子‘我喜欢苹果’，在计算机的世界里，它无法直接理解‘喜欢’和‘苹果’的意义。

但如果我们把每个词都用一组数字来表示，情况就不一样了。”

接着，王教授详细讲解了词向量的生成方式，比如基于统计的方法。

“通过统计大量文本中词汇的共现关系，我们可以构建一个词向量空间。

在这个空间里，语义相近的词，它们的向量在空间中的位置也会比较接近。”

她一边说，一边在黑板上画了一个简单的二维向量空间示意图，上面标注了几个常见词汇的大致位置。

“比如‘香蕉’和‘苹果’，它们都属于水果类，在这个向量空间里，它们的向量就会靠得很近；而‘苹果’和‘汽车’，由于语义相差较大，它们的向量位置就会相距很远。”

随后，王教授又介绍了更为先进的神经网络模型生成词向量的方法，如Word2Vec。

“Word2Vec模型有两种主要的训练方式，CBOW（ContinuousBag-of-Words）和Skip-Gram。

CBOW是通过上下文词汇来预测目标词汇，而Skip-Gram则相反，是通过目标词汇来预测上下文词汇。”

她在黑板上画出了CBOW和Skip-Gram的模型结构示意图，仔细地讲解每个部分的作用。