CBOW

释义 Definition

CBOW（Continuous Bag of Words，连续词袋模型）：一种常见的词向量训练方法，用上下文词（周围的词）来预测中心词，常见于 word2vec 框架中。（也常与 Skip-gram 相对）

发音 Pronunciation (IPA)

/ˈsiː baʊ/

例句 Examples

CBOW predicts a target word from its surrounding context.
CBOW 通过周围的上下文词来预测目标词。

In word2vec training, CBOW is often faster than Skip-gram on large corpora, though it may smooth over rare-word details.
在 word2vec 训练中，CBOW 往往在大语料上比 Skip-gram 更快，但可能会弱化对低频词细节的刻画。

词源 Etymology

CBOW 是 “Continuous Bag of Words” 的缩写，起源于 Tomas Mikolov 等人在 2013 年提出并推广的 word2vec 相关论文。名称中的 “bag of words（词袋）” 指把上下文当作不强调词序的集合来处理；“continuous（连续）” 则暗示模型学习的是连续空间中的向量表示（词向量）。

相关词 Related Words

• Word2vec
• Skip-gram
• Embedding
• Context
• Corpus
• Token
• Vocabulary
• Neural Network

文学与经典文本中的用例 Literary Works

• Tomas Mikolov et al. Efficient Estimation of Word Representations in Vector Space（2013）
• Tomas Mikolov et al. Distributed Representations of Words and Phrases and their Compositionality（2013）
• Daniel Jurafsky & James H. Martin, Speech and Language Processing（部分版本/章节在讨论词表示与分布式语义时会提及 CBOW/word2vec）