word2vec 是 Google 于 2013 年推出的一个用于获取词向量的开源工具包。我们在项目中多次使用到它，但囿于时间关系，一直没仔细探究其背后的原理。

网络上 《word2vec 中的数学原理详解》 有一系列的博文，对这个问题已经做了很好的阐述。作者十分用心，从最基础的预备知识、背景知识讲起，这样读者就不用到处找相关资料了。

这里，我就把其博文链接直接搬运过来：

（一）目录和前言

（二）预备知识

（三）背景知识

（四）基于 Hierarchical Softmax 的模型

（五）基于 Negative Sampling 的模型

（六）若干源码细节

这个系列博文里的一些数学推导来自下面这篇文章，

word2vec Parameter Learning Explained

这篇文章的作者还提供了一个非常直观的可视化工具，可以直观地看到每一步的训练到底发生了什么

wevi: word embedding visual inspector

原版的 word2vec 项目链接在此

https://code.google.com/archive/p/word2vec/

【原文链接】http://www.ipaomi.com/2017/09/22/word2vec-数学原理/