Word2Vec是一种通过浅层神经网络学习词向量的模型，由谷歌团队于2013年提出。它采用单隐藏层结构，将词语映射到低维连续空间，解决了传统one-hot编码的维度灾难和语义孤立问题。核心包含CBOW和Skip-gram两种架构：CBOW通过上下文预测中心词，适合高频词；Skip-gram用中心词预测上下文，擅长捕捉低频词。模型通过最大化预测概率（最小化负对数似然损失）训练，最终输出词向量矩阵。这

求解全微分方程的三个方法：1、偏积分2、凑微分3、线积分

拉格朗日乘数法用来解决多元函数在约束条件下的极值，在计算的过程中，不免会有些繁琐，甚至出错，这里提及了6中技巧用来简化计算