嵌入向量
Embedding
学到 认得 就够：听到能明白
你可能会说
“我想按意思查找访谈片段，一句话怎样变成可以比较的一串数？”
嵌入把词、句子或其他对象映射为数值向量，便于模型计算关系。向量位置由学习目标塑造；相近常表示某种相似，但不天然等于同义或同一概念。
使用 AI
科研里的例子
把村庄发展叙述编码成向量研究主题接近程度，再用人工样本检查相近究竟来自共同议题还是统一公文模板。
可把嵌入理解为在若干数值维度中表示对象，维度通常没有固定的人工标签。词向量可由共现规律学习，现代模型的上下文表示又会随句子变化。比较向量前，应确认模型、归一化和距离度量一致；不同模型空间中的坐标不能直接混用。在社会研究中，用向量构造概念指标还要检验它到底捕捉主题、文风、来源还是理论概念，不能只靠几个相邻示例。
判断
亲手检查一次
用同一模型比较一对同义句、一对同模板不同内容句及否定句，查看相似度排序是否符合你的研究概念。
它做不到的
嵌入是表示方法，不是研究变量的自动有效性证明；维度数多不直接意味着语义更细或测量更准确。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Mikolov 等 · Efficient Estimation of Word Representations in Vector Space2026-11-06 核对
- Devlin 等 · BERT2026-11-06 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。