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。
