# Summary 1. 让模型学会把“词语”映射成一个向量，使得语义相似的词在向量空间中距离也近。 2. Embedding 是一种接口，[[Word2Vec]]、[[FastText]]、[[BGE]]等都是实现类，榜单是[[MTEB]] ```Java Embedding（嵌入） ├─ Word Embedding（词嵌入） │ ├─ Word2Vec ← 具体方法 │ ├─ GloVe ← 具体方法 │ ├─ FastText ← 具体方法 │ └─ BERT/GPT 的词嵌入 ← 具体方法 │ ├─ Image Embedding（图像嵌入） ├─ User Embedding（用户嵌入） └─ Graph Embedding（图嵌入） ``` [[Word2Vec]] 让 [[embedding]] 真正普及开来 # Notes ## 需不需要做向量的归一化 |你的目标|是否归一化|原因| |---|---|---| |找最相似的文档|✅ 是|只看方向| |推荐系统|✅ 是|公平比较| |语义搜索|✅ 是|标准做法| |情感强度分析|❌ 否|需要保留强度| |异常检测|❌ 否|长度也是特征| |需要加权组合|❌ 否|保留权重|