1.word2vec模型
https://zhuanlan.zhihu.com/p/27234078 讲的非常好！
这里说到了上面的这个结论，我的理解是，学习到的kitten和cat在空间中会更接近吗？难道只能通过和其他词的平行四边形才ok？？
嗯，后面说了，训练的嵌入向量也会非常地相似。
skip的当前单词预测上下文的意思是，有一个window，控制生成的训练样本，inputword是当前词，那么outputword就是它附近的词，这样的词对来组成训练数据。训练完最终要的是隐层的嵌入矩阵。
负采样是什么：通过这篇文章我的理解是，如果vocab是10000，那么在更新一个词对时，就需要更新其他9999个单词，这样更新参数量会非常大，而负采样，会在每次学习一个样本时只更新模型的部分参数，比如负采样了5个单词，那么共更新6个神经元的，如果嵌入向量大小为300，那么这样就会大大减少更新次数，而负采样的单词是基于单词的频率的，频率越高，被采概率越大。
2.fastText适用方法及原理理解
https://blog.csdn.net/feilong_csdn/article/details/88655927 （待看）
3.Text CNN
幸好搜了一下，nlp教程中的代码模型都不是无中生有的，是根据论文写出来的啊，所以你别忘记看论文模型，别只看代码，然后p也看不懂。
决定先不看了，不太明白图像里的Chanel到这里会用什么来替代呢？