本文深入探讨了词语表示技术在自然语言处理（NLP）中的演进。从One-Hot编码的局限性出发，阐述了词嵌入（Word Embedding）如何通过向量化捕捉词语的语义和语法关系，提升模型泛化能力和计算效率。此外，文章还强调了位置嵌入（Position Embedding）在序列建模中的重要性，解释了其如何为Transformer等模型注入词序信息，并介绍了学习式和函数式两种实现方式。最终，词嵌入与位置嵌入的结合，共同构成了现代NLP系统的核心输入表示。

💡 **词嵌入的核心价值在于打破符号化表示的局限，实现词语的语义化表达。** 传统的One-Hot编码将每个词视为独立的符号，无法体现词语间的相似性，例如“医生”和“护士”在语义上相关却在向量上正交。词嵌入技术通过将词语映射到低维连续向量空间，使得语义相近的词语在空间中距离更近，例如“国王”与“王后”的向量会更接近。这种表示不仅能支持模型进行类比推理（如“巴黎-法国+意大利≈罗马”），还能显著降低计算复杂度，并为深度学习模型提供可学习的输入，成为连接语言学与机器学习的关键桥梁。

🚫 **One-Hot编码虽然简单直观，但在大规模语料处理中存在明显缺陷。** 其高维稀疏的特性导致巨大的存储和计算开销，并且完全无法捕捉词语间的语义关系，使得模型难以进行泛化和相似性计算。例如，一个庞大的词汇表会产生极其冗长的向量，其中绝大多数元素为零，这在资源利用上是极不经济的。更重要的是，它无法区分“猫”和“狗”的语义关联性，也就无法支持“与‘快乐’最接近的词是什么”这类查询，因此在现代NLP应用中已被基本淘汰。

✨ **词嵌入（Word Embedding）通过“上下文决定词义”的分布假说，实现了词语的稠密、低维向量表示。** 主要方法如Word2Vec、GloVe和FastText，利用大规模语料训练模型，使生成的向量能够捕捉词语的语义相似性（如“汽车”与“轿车”）和语法规律（如动词时态）。这种表示方法具有高度的计算效率和泛化能力，可作为预训练模型用于各种下游NLP任务。然而，静态词嵌入无法处理一词多义的问题，如“苹果手机”与“吃苹果”中的“苹果”具有不同含义。

⬆️ **位置嵌入（Position Embedding）解决了词嵌入无法感知词序信息的关键问题，尤其对于Transformer等并行处理模型至关重要。** 语言的顺序至关重要，“我爱你”与“你爱我”意义截然不同。在RNN等模型中，顺序信息通过时间步隐式传递，但在Transformer中，需要显式注入。无论是通过学习式（如BERT）还是函数式（如原始Transformer）方法，位置嵌入都为模型提供了词语在句子中的相对或绝对位置信息，使其能够区分不同语序的句子。最终，词嵌入与位置嵌入通过逐元素相加融合，共同构建了模型理解语言序列的基础。

🚀 **词表示技术的演进揭示了NLP从符号化到分布式、从静态到动态、从局部到全局的发展趋势。** One-Hot编码作为起点，因其局限性被词嵌入所取代，后者实现了语义的连续化表达，成为现代NLP的核心。位置嵌入则弥补了词嵌入在序列信息上的不足，使得非循环模型也能有效处理序列数据。这些技术的协同工作，共同推动了自然语言理解能力的飞跃，是构建更智能语言系统的关键。

在自然语言处理（NLP）的发展历程中，如何有效地表示词语是构建智能语言系统的关键基础。

传统的符号化表示方法难以捕捉语义信息，而现代深度学习模型依赖于连续、低维且富含语义的向量表示。

本文围绕"为什么要做词嵌入"这一核心问题，系统阐述One-Hot编码的局限性，介绍词嵌入（Word Embedding）的基本原理与优势。

并进一步探讨位置嵌入（Position Embeding）在序列建模中的必要性，逻辑清晰地呈现词表示技术的演进路径。

一、为什么要做词嵌入？

语言的本质是意义的传递，而机器理解语言的前提是将文本转化为可计算的数学形式。

早期方法将词语视为离散符号，但这种表示方式无法反映词语之间的语义关系。例如，"医生"和"护士"在语义上相关，但在符号层面彼此孤立。

词嵌入的核心目标就是为了解决这一问题：

实现语义表示：通过将词语映射到连续向量空间，使语义相近的词在向量空间中距离更近（如“国王”与“王后”）。

支持泛化能力：模型可通过向量运算捕捉类比关系（如“巴黎 - 法国 + 意大利 ≈ 罗马”）。

提升计算效率：相比高维稀疏表示，低维稠密向量显著降低存储与计算开销。

适配深度学习框架：为神经网络提供可微、可学习的输入表示，支持端到端训练。

因此，词嵌入不仅是技术手段，更是连接语言学与机器学习的桥梁，构成了现代 NLP 系统的基石。

二、One-Hot Encoding：简单但低效

One-Hot编码是一种最基础的词表示方法。

1. 原理

给定一个大小为 V 的词汇表，每个词用一个 V 维向量表示，其中仅对应位置为1，其余为0。

例如，词汇表为 [“猫”, “狗”, “鸟”]，则“狗”的 One-Hot 向量为 [0, 1, 0]。

2. 优点

实现简单，逻辑清晰。

每个词有唯一、明确的标识。

3. 缺陷

高维稀疏：当词汇表庞大时（如10万词），向量维度极高，99%以上为零值，造成资源浪费。

无语义信息：任意两个不同词的向量正交（余弦相似度为0），无法体现“猫”与“狗”比“猫”与“石头”更相近的事实。

无法泛化：模型难以从已知词推断未知词的语义，缺乏迁移能力。

不支持相似性计算：无法回答“与‘快乐’最接近的词是什么”。

由于上述局限，One-Hot 编码仅适用于教学演示或极简系统，无法满足现代 NLP 需求。

三、Word Embedding：语义向量

词嵌入（Word Embedding）将每个词映射为一个低维实数向量（如128或300维），通过在大规模语料上训练获得，使得向量空间能够反映词语的语义和语法特性。

1. 核心思想

“一个词的含义由其上下文决定”——分布假说（Distributional Hypothesis）。

词嵌入正是这一思想的数学实现：频繁共现的词在向量空间中距离更近。

主要方法

Word2Vec（Mikolov et al., 2013）

包括 CBOW（根据上下文预测中心词）和 Skip-gram（根据中心词预测上下文），通过浅层神经网络学习词向量，高效且效果显著。

GloVe（Pennington et al., 2014）

基于全局词共现统计矩阵进行因子分解，结合了全局统计与局部上下文优势。

FastText（Bojanowski et al., 2017）

将词分解为 n-gram 子词单元，支持未登录词（OOV）的表示，尤其适合形态丰富的语言。

2. 优势

向量稠密、维度低，适合大规模计算。

捕捉语义相似性（如“汽车”≈“轿车”）和语法规律（如动词时态、复数形式）。

可预训练、可迁移，广泛用于文本分类、命名实体识别、机器翻译等任务。

3. 局限

静态表示：每个词只有一个固定向量，无法处理一词多义（如“苹果手机” vs “吃苹果”）。

对低频词表示效果较差。

注：后续发展如 ELMo、BERT 等动态嵌入模型通过上下文感知解决了多义性问题，但其输入层仍依赖基础词嵌入机制。

四、Position Embedding：为序列注入顺序信息

尽管词嵌入成功表达了语义，但它本身不包含词序信息。而语言是序列性的，“我爱你”与“你爱我”语义完全不同。

在 RNN、LSTM 等时序模型中，顺序通过时间步隐式建模；但在 Transformer 等并行架构中，必须显式引入位置信息。

1. 为什么需要位置嵌入？

Transformer 模型通过自注意力机制并行处理所有词，失去了天然的顺序感知能力。

若无位置信息，模型将无法区分句子中词的排列顺序，导致语义混乱。

2. 实现方式

（1）学习式位置嵌入（Learned Position Embedding）

为每个位置（如第1位、第2位……）分配一个可训练的向量。

在 BERT、RoBERTa 等模型中采用。

优点：灵活，可适应任务需求。

缺点：受限于训练时的最大长度，难以外推到更长序列。

（2）函数式位置嵌入（Sinusoidal Position Embedding）

使用正弦和余弦函数生成固定位置编码，定义如下：

其中 pos 为位置索引，i 为维度索引，d 为嵌入维度。

在原始 Transformer 中使用。

优点：可泛化到比训练更长的序列；能隐式表示相对位置。

3. 与词嵌入的融合

最终输入表示为两者的逐元素相加：

Input Embedding=Word Embedding+Position Embedding

这一设计使得模型既能理解“谁在说什么”，也能知道“谁先说、谁后说”。

4. 发展趋势

近年来，相对位置编码（Relative Position Encoding）、旋转位置编码（RoPE）等改进方法被提出，进一步提升了长序列建模能力。

五、总结与对比

词表示技术的演进反映了 NLP 从符号化到分布式、从静态到动态、从局部到全局的发展趋势。

One-Hot 编码是词表示的起点，但因缺乏语义和效率低下而被淘汰。

词嵌入实现了语义的连续化表达，是现代 NLP 的核心组件。

位置嵌入弥补了词嵌入对顺序不敏感的缺陷，使非循环结构也能处理序列数据。

在实际系统中，词嵌入与位置嵌入协同工作，共同构成语言模型的输入表示。