自然語言處理中，在詞的表示上，向量的方式無疑是最流行的一種。它可以作為神經網路的輸入，也可直接用來計算。比如計算兩個詞的相似度時，就可以用這兩個詞向量的距離來衡量。詞向量的訓練需要大規模的語料，從而帶來的是比較長的訓練時間。spark框架基於記憶體計算，有忘加快詞向量的訓練速度。

以下是spark官網的程式碼（http://spark.apache.org/docs/latest/ml-features.html#word2vec）

package alg
import org.apache.spark.ml.feature.Word2Vec
import org.apache.spark.
 
ml.linalg.Vector
import org.apache.spark.sql.{Row, SparkSession}
object word2vec {

  def main(args:Array[String]):Unit={

    val spark: SparkSession = SparkSession.builder
      .appName("My")
      .master("local[*]")
      .getOrCreate()

    val documentDF=spark.createDataFrame(Seq(
      "Hi I heard about Spark"
 
.split(" "),
      "I wish Java could use case classes".split(" "),
      "Logistic regression models are neat".split(" "))
      .map(Tuple1.apply))
      .toDF("text")
//vectorSize可以自動調節，通常為300左右
    val word2vec=new Word2Vec().setInputCol("text").setOutputCol("result").setVectorSize(３).setMinCount(0)
    val model=
 
word2vec.fit(documentDF)

    val result=model.transform(documentDF)

    result.collect().foreach{ case Row(text: Seq[_], features: Vector) =>
      println(s"Text: [${text.mkString(", ")}] => \nVector: $features\n") }

  }


}