python - 在使用 gensim 库进行训练时，Skip-gram word2vec 和 CBOW w2v 有什么区别？

Question

对于Skip-gram word2vec训练样本获取如下:

Sentence: The fox was running across the maple forest

词 fox 给出下一对训练:

fox-run, fox-across, fox-maple, fox-forest

等等，每个词。 CBOW w2v 使用反向方法:

run-fox, across-fox, maple-fox, forest-fox

或者对于 forest 词:

fox-forest, run-forest, across-forest, maple-forest

所以我们得到了所有的对。如果我们在 CBOW 模式下训练时不指定目标词，那么在使用 gensim 库训练期间，Skip-gram word2vec 和 CBOW w2v 有什么区别？在这两种情况下，是否都使用了所有词对？

Answer 1

只有 skip-gram 使用 (context_word)->(target_word) 形式的训练对。

在CBOW中，训练样例是(average_of_multiple_context_words)->(target_word)。因此，当反向传播来自单个训练示例的错误时，多个上下文词会得到相同的纠正微调。