14 | Tensorflow 实现word2vec 连续词袋模型CBOW_word2vec实现

CBOW（Continuous Bag of Words）是一种用于学习词嵌入的神经网络模型，属于Word2Vec框架的一部分。CBOW的目标是通过上下文中的词语来预测目标词语，它具有简单的结构和高效的训练方式，通常用于大规模文本数据的词向量学习。

连续词袋模型，英文全称是Continuous Bag of Words，简称CBOW。

CBOW模型简介与原理

CBOW（Continuous Bag of Words）是一种用于学习词嵌入的神经网络模型，属于Word2Vec框架的一部分。CBOW的目标是通过上下文中的词语来预测目标词语，它具有简单的结构和高效的训练方式，通常用于大规模文本数据的词向量学习。

模型简介：

CBOW模型的核心思想是根据上下文的词语来预测目标词语。在一个给定的上下文窗口内，模型试图预测中间的目标词语，这使得模型能够学到每个词语的分布式表示（词向量）。

模型公式：

CBOW模型的输入是一个上下文窗口中的词语，输出是目标词语的概率分布。设上下文窗口中的词语表示为 (w_1, w_2, …, w_{2C})，其中 (C) 是上下文窗口的大小。

1. Embedding层：

   CBOW首先通过一个嵌入层将每个输入词语映射到高维空间的词向量：

   x