从介绍到深度学习的练习this assignment。它使用词袋来表示推文。
如何use word embeddings实现相同的目标？
我玩word2vec工具，我遇到了以下问题：<登记/>
（i）如何obtain pre-trained embeddings代表这些推文？ （直接使用word2vec而不是训练这些推文来嵌入矢量。）如何使用word2vec来使用这种预训练的模型？
（ii）一旦我们从word2vec获得嵌入（如果维度将因2 hidden layer而改变）或（之前的弓模型的继续将由嵌入引起的其他更改），如何训练张量流embedding_size架构<登记/>
以前是：
input dimension : (None, vocab_size)
Layer-1: (input_data * weights_1) + biases_1
Layer-2: (layer_1 * weights_2) + biases_2
output layer: (layer_2 * n_classes) + n_classes
output dimension: (None, n_classes)
（iii）是否有必要通过从头开始训练word2vec来获取推文的特定数据的嵌入？如何使用word2vec（不是gensim或GloVe）训练大约14k条推文的数据？ word2vec会预处理@作为停止词吗？