我试图理解word2vec算法，但有些问题让我很困惑。我正在使用TensorFlow中的代码。问题是我的数据大小是1.84亿字，总共包含220万个不同的单词。我将vocabulary_size设置为250,000。这是否意味着我的网络实际上学习了最常见的250,000个单词，其余的1.950,000个单词只是UNK？
另一个问题是;我从理论上理解了这个模型。但是，我很难将它与代码联系起来。输入图层大小是否与代码中的vocabulary_size相对应？
如果你启发我，我将非常感激。
答案 0 :(得分：0)
如果您查看代码中的build_dataset函数，您会发现词汇量大小以上的任何内容都会变为unk，以及输入图层的设置方式（仅限于wrod2vec）隐藏的图层，以便它。）