滦南网站建设【滦南网络公司】滦南做网站、滦南微信公众号开发、滦南网站设计、滦南小程序制作

滦南网站建设【滦南网络公司】滦南做网站、滦南微信公众号开发、滦南网站设计、滦南小程序制作

滦南县，河北省财政直管县 [1]  ，隶属河北省唐山市，位于河北省东北部，南临渤海，背靠京津，县域面积1482.6平方千米。 [2]  滦南县属暖温带半湿润季风型大陆性气候区， [3]  辖16个镇、1个街道 [4]  县政府驻友谊路街道。 [5]  截至2017年末，滦南县户籍总人口571357人。 [3] 

唐开元二十八年（740年），设马城县，1963年，恢复滦南县建置。 [2]  县境内唐港高速公路、沿海高速公路横亘东西，迁曹铁路、坨港铁路、滦海公路、迁曹公路、水曹铁路、迁曹髙速纵贯南北。 [3]  县境内有北河公园、潘家戴庄惨案纪念馆等旅游景点。 [6-7] 

2017年12月13日，滦南县获评第一届河北省文明县城。 [8]  2019年2月2日，被文化和旅游部命名为2018-2020年度“中国民间文化艺术之乡”。 [9]  2020年7月，全国爱卫会确认滦南县为2019年国家卫生县城。 [10] 

2018年，滦南县地区生产总值370亿元，比上年增长7%；固定资产投资201.6亿元，同比增长12.5%；公共财政预算收入12.66亿元，同比增长15%。

ord2vec用了两个模型：Continuous Bag-Of-Words（CBOW和Continuous Skip-gram，如图4 所示。和神经网络语言模型一样，都是通过预测来体现一个词和它上下文的关系。CBOW是通过上下文来预测中间的词，Skip-gram模型与CBOW正好相反，是通过中间词来预测前后词，一般可以认为位置距离接近的词之间的联系要比位置距离较远的词的联系紧密。

图4　word2vec的CBOW和Skip-gram模型（图片来自文献11）

word2vec有一个非常有趣的特性，不仅词向量可以反映词本身的语义，有些情况下，两个词向量的线性运算（向量差）还可以反映两个词的某种语义关系。例如：

vector('Paris') - vector('France') + vector('Italy') ≈ ('Rome'),

vector('king') - vector('man') + vector('woman') ≈ vector('queen')

我们在训练时并没有告诉模型任何关于国家和首都之类的知识，这种关系完全是通过海量语料库训练后自发涌现出来的。

图5　word2vec国家和首都词汇词向量投影（图片来自文献12）

word2vec还有一个有趣的应用，托马斯·米克罗夫（Tomas Mikolov）和他在谷歌的同事开发出了一种技术，能自动创建用于机器翻译的词典，即能将一种语言转换成另一种语言的词汇对照表。这种新技术不是依赖同一份文档不同语言的版本，而是利用数据挖掘技术制作一种语言结构的模型，然后再跟另一种语言结构进行对比。它依靠的理念是每种语言都会描述一些类似的观点，所以执行这些描述动作的词语一定有很多相似之处。例如，大部分语言都有描述常见动物（如猫、狗、奶牛等）的词语。也许，在诸如“猫是一种比狗小的动物”这样的句子中，那些描述动物的词语的使用方法是相同的。

例如英语和西班牙语两种语言，通过训练分别得到它们对应的词向量空间 E 和 S。从英语中取出5个词 one，two，three，four，five，设其在 E 中对应的词向量分别为 v1，v2，v3，v4，v5，为方便作图，利用主成分分析（PCA）降维，得到相应的二维向量 u1，u2，u3，u4，u5，在二维平面上将这5个点描出来，如图6 所示。类似地，在西班牙语中取出（与one，two，three，four，five 对应的） uno，dos，tres，cuatro，cinco，设其在 S 中对应的词向量分别为 s1，s2，s3，s4，s5，用 PCA 降维后的二维向量分别为 t1，t2，t3，t4，t5，将它们在二维平面上描出来（可能还需作适当的旋转），如下图所示。

图6　word2vec训练得到的英语和西班牙语的词向量空间（图片来自文献13）

滦南网站建设【滦南网络公司】滦南做网站、滦南微信公众号开发、滦南网站设计、滦南小程序制作