Word2Vec 是Google在2013年开源的一款词向量化的高效工具，主要包含两个模型： - 连续词袋模型（continuous bag of words，简称CBOW） - 跳字模型（skip-gram）

正确答案是：A: CBOW模型和Skip-Gram模型。

专业分析：

Word2Vec 是一种用于生成词向量的技术，它通过神经网络模型从大规模文本数据中学习词的分布式表示。Word2Vec 主要包含两种模型：

1. **CBOW模型（Continuous Bag of Words）**：这种模型通过上下文词来预测中心词。也就是说，CBOW 模型会基于给定的上下文词（周围的词）来预测当前词。这种方法在处理小数据集时表现较好，并且训练速度较快。

2. **Skip-Gram模型**：这种模型与 CBOW 相反，它通过当前词来预测上下文词。Skip-Gram 模型更适合处理大数据集，并且在捕捉词与词之间的关系方面表现更优。

这两种模型都是通过神经网络进行训练的，最终生成的词向量可以很好地捕捉词语之间的语义关系和相似性。与其他选项相比，只有 CBOW 和 Skip-Gram 是 Word2Vec 的核心模型。