考试报名
考试报名
考试内容
考试大纲
在线客服
返回顶部

备考刷题,请到

CDA认证小程序

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)。关于CBOW模型,以下说法错误的是?
A. 属于浅层神经网络
B. 属于词嵌入模型
C. 模型的目标是最大化通过上下文的词预测当前词生成概率
D. 模型的目标是最大化用当前的词预测上下文的词的生成概率
上一题
下一题
收藏
点赞
评论
题目解析
题目评论(0)

正确答案是:D: 模型的目标是最大化用当前的词预测上下文的词的生成概率。

专业分析:

连续词袋模型(CBOW)和跳字模型(skip-gram)是Word2Vec中的两种主要模型。它们的目标和工作方式有所不同:

- **CBOW模型**:其目标是通过上下文词(即当前词的前后若干个词)预测当前词。换句话说,CBOW模型尝试最大化通过上下文的词预测当前词生成概率。因此,选项C是正确的描述。

- **Skip-gram模型**:其目标与CBOW正好相反,它尝试通过当前词来预测上下文词。换句话说,Skip-gram模型尝试最大化用当前的词预测上下文的词的生成概率。因此,选项D描述的是Skip-gram模型的目标,而不是CBOW模型的目标。

因此,选项D是错误的。