词语运算：King 减 Man 加 Woman
探索类比关系与最近邻
词语运算：King 减 Man 加 Woman 是 CoddyKit 上的免费 NLP Academy 课时。 这是第 4 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 NLP Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 NLP Academy 课程共包含 4 节课。
向量具有方向
由于词语现在都表示为向量，您可以像处理箭头一样对它们进行加减运算。这解锁了一个有趣的概念，叫作词语数学。
著名示例
取 king，减去 man，再加上 woman，距离最近的向量就是 queen。这个类比首次出现时令研究人员大为惊叹。👑
result = emb["king"] - emb["man"] + emb["woman"]
# nearest word -> "queen"它为何有效
从 man 到 woman 的变化，在空间中是一致的方向。将同一个方向加到 king 上，结果就会落在 queen 附近。
用偏移量表示关系
许多关系都会转化为可重复的向量偏移量。编码性别或时态差异的间隔，就像跨越多个词语对的固定箭头。
更多类比
这个技巧可以很好地推广。Paris 减去 France，再加上 Italy，会落在 Rome 附近，从而捕捉到首都与国家之间的关系。
r = emb["paris"] - emb["france"] + emb["italy"]
# nearest word -> "rome"寻找答案
您先计算目标向量，然后使用余弦相似度，在所有词向量中搜索它的最近邻。
Gensim 中的一行代码
gensim 用一次调用封装了整个类比过程。您列出正向词和负向词，然后读取排名最高的结果。
model.most_similar(positive=["king", "woman"],
negative=["man"], topn=1)最近邻
即使不进行减法，您也可以询问哪些词与某个词最接近。这些邻近词揭示了模型认为哪些词相似。
它并不完美
类比通常有效，但并非总是如此。训练文本中的偏见可能产生不公平或错误的结果，因此请保持批判性思考。
偏见存在于向量中
嵌入会吸收数据中存在的刻板印象。请始终记住，文本中的偏见会变成模型中的偏见。
它为何令人惊叹
对学习得到的向量进行简单的算术运算，竟然能反映真实的人类关系。这是嵌入真正捕捉到含义的最清晰证据。✨
快速检查
king 减去 man 再加上 woman 通常会得到什么？
回顾
词语数学通过对向量进行加减，解决 king 到 queen 这样的类比问题。它表明嵌入能够编码真实关系，同时也会保留其中的偏见。✅
用 AI 导师学习 Python — 免费
在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。
- 课程
- 30
- 课程
- 120
常见问题解答
「词语运算：King 减 Man 加 Woman」课时是免费的吗？
是的 — 「词语运算：King 减 Man 加 Woman」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 NLP Academy 课程的其余内容，请升级到 CoddyKit PRO。 NLP Academy 课程共包含 4 节课。
「词语运算：King 减 Man 加 Woman」这节课中我会学到什么？
探索类比关系与最近邻 你通过在浏览器中直接运行的动手代码来练习 NLP Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 NLP Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 NLP Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 4 节课，共 4 节。
「词语运算：King 减 Man 加 Woman」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 NLP Academy 课中编写并运行代码吗？
能。每节 NLP Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- 从稀疏计数到稠密向量
- word2vec 如何学习意义
- 在 Python 中加载 GloVe 向量
- 词语运算：King 减 Man 加 Woman