在自然语言处理（NLP）领域，词向量（Word Embedding）是将词汇表中的每个词映射到一个高维向量空间的技术。这些向量不仅能够捕捉到词语的语法特征，还能够反映出词语间的语义关系，从而支持诸如语义相似度计算、文本分类、情感分析等高级任务。
独热编码是最简单的词表示方法，每个词被表示为一个固定长度的向量，向量中只有一个位置为1，其余位置为0。然而，这种方法无法表示词语间的语义关系，且随着词汇量的增大，向量维度会急剧增加，导致计算效率低下。
分布式词向量通过将词语映射到一个连续的高维空间，解决了独热编码的局限。其中，Word2Vec和GloVe是最具代表性的两种模型。
Word2Vec由谷歌提出，包括CBOW（Continuous Bag of Words）和Skip-Gram两种训练框架。CBOW通过上下文预测目标词，而Skip-Gram则通过目标词预测上下文。Word2Vec的核心思想是利用神经网络的训练过程，学习到词语的分布式表示。
// 简单的Word2Vec Skip-Gram模型伪代码
for each word in corpus:
for each context word in word's context:
train(context_word, target_word)
GloVe（Global Vectors for Word Representation）由斯坦福大学提出，它通过统计全局共现矩阵来捕捉词语间的共现信息，并基于这些信息学习词向量。GloVe在捕捉词语语义关系方面表现出色，特别是在大规模语料库上。
语义相似度计算是词向量应用的一个重要方向。通过计算两个词向量的余弦相似度或欧氏距离，可以评估它们之间的语义接近程度。这种方法不仅适用于单词对，还可以扩展到短语、句子甚至段落层面。
// 计算两个词向量的余弦相似度
def cosine_similarity(vec1, vec2):
dot_product = np.dot(vec1, vec2)
norm_vec1 = np.linalg.norm(vec1)
norm_vec2 = np.linalg.norm(vec2)
return dot_product / (norm_vec1 * norm_vec2)
词向量和语义相似度计算在多个NLP任务中发挥着重要作用，如信息检索、文本分类、问答系统、推荐系统等。例如，在信息检索中，通过计算查询词与文档词之间的语义相似度，可以提高检索结果的准确性和相关性。
词向量技术是自然语言处理领域的一项重要突破，它使得机器能够更准确地理解和处理自然语言。通过计算词向量之间的语义相似度，可以解决许多复杂的NLP问题。随着技术的不断发展，未来词向量和语义相似度计算将在更多领域发挥更大的作用。