word2vec理论推导

     之前在网上看过很多关于word2vec 的学习笔记，但都是拿拿其中一小部分进行阐述，基本没有比较全面和深入的讲解。由于word2vec涉及的基础知识比较多，对于word2vec如果要全面，可能要从基础线性回归 [10]、最小二乘法 [11]、sigmoid函数 [9][12]、Huffman树 [13]、softmax回归 [9][14]、词向量 [15]、似然估计 [17]等等。如需要了解基础知识，请先看相关参数文献；如需较全面的预热，请参考网易发一篇文章 [18]（相信对word2vec有兴趣的同学都看过）。
     本文适合在对word2vec算法有一定基础上，但想进一步了解word2vec的实现细节的同学。如遇到问题，最好参照着google源码实现进行理解（文章最后有源码参考）。
     文本没有权威，仅是个人工作中的一点总结与思考，能力和时间有限，理解不免有些浅薄，仅做参考。也可能有理解偏差或错误，如有发现，希望不吝指教，多谢！

     完整全文可点击这里下载