单词转换成向量形式 word2vec

word2vec（word to vector）是一个将单词转换成向量形式的工具。可以把对文本内容的处理简化为向量空间中的向量运算，计算出向量空间上的相似度，来表示文本语义上的相 似度。word2vec为计算向量词提供了一种有效的连续词袋（bag-of-words）和skip-gram架构实现。

来自维基百科对余弦距离的定义：

通过测量两个向量内积空间的夹角的余弦值来度量它们之间的相似性。0度角的余弦值是1，而其他任何角度的余弦值都不大于1;并且其最小值是-1。从 而两个 向量之间的角度的余弦值确定两个向量是否大致指向相同的方向。两个向量有相同的指向时，余弦相似度的值为1；两个向量夹角为90°时，余弦相似度的值为 0；两个向量指向完全相反的方向时，余弦相似度的值为-1。在比较过程中，向量的规模大小不予考虑，仅仅考虑到向量的指向方向。余弦相似度通常用于两个向 量的夹角小于90°之内，因此余弦相似度的值为0到1之间。

可通过 SVN 获取代码：

snv co http://word2vec.googlecode.com/svn/trunk/