这也是为什么ELMO,GPT，bert问世之后word2vec就不再有以前的光环了，因为ELMO,GPT，bert都是用的动态词向量表示，可以很好的表示上下文语义。word2vec最大的缺陷：由于它是静态词向量表示导致不能表示一词多义的情况，举个例子“苹果”一词，在果蔬的句子中表示的就是水果的含义，Skip-Gram：给定一个词，预测其周围的上下文词汇，侧重于词汇的扩散语义。但是word2vec的

output = dfa.outputNoSensitiveness('C:\job\AI数据集平台工具\数据\\fliter_sensitiveness.txt', later_filter)data = ['flink', 'spark', 'hive', 'FLINK', 'SPARK', 'HIVE', '实时', '离线']# dfa.parse('C:\job\AI数据集平台工具\数据