訓練好的詞向量模型被儲存下來，該模型的本質就是一個m*n的矩陣，m代表訓練語料中詞的個數，n代表訓練時我們設定的詞向量維度。當我們訓練好模型後再次呼叫時，就可以從該模型中直接獲取到對應詞的詞向量。

 

　　通過上面我們可以拿到每個詞的詞向量，但是我們任務處理時一般是對句子或文字進行操作。當我們拿到一個詞向量後，那麼一個句子或一個文字就可以用詞表示成矩陣（假設一個句子有5個詞，詞向量維度是64，那麼該矩陣就是5*64）,然後可以用CNN或RNN（LSTM）模型將該矩陣編碼成一個一維向量，並保留大多數文字資訊。然後將該向量作為深度神經網路分類器的輸入，即可得到最終的結果。

 

 

轉載：https://www.jianshu.com/p/b2c33d7e56a5