1）为什么使用对数似然函数作为损失函数？（解释：“对数损失函数”与“极大似然估计下的对数似然函数”在本质上是等价的）
2) 自然语言处理中最重要的一个技术就是统计语言模型；
统计语言模型是用来确定一个句子的概率的概率模型，常用的包括：n-gram 模型和神经网络；
n-gram模型本质上认为下一个词的概率依赖于前面n-1个词；于是需要根据语料库，进行词频统计；考虑到特殊情况，需要利用平滑化进一步处理；
3）这里额外介绍一些机器学习的通用套路：
对特定问题建模时，先为其构造一个目标函数，然后对这个目标函数进行优化，从而求得一组最优参数，最后利用这组最优参数对应的模型来进行预测。
4）神经概率语言模型-->词向量
5）通常机器学习的输入是已知的，而在此处的神经概率语言模型中，输入的词向量也是训练得到的。
6）神经网络语言模型vs n-gram模型优势：
- 词语之间相似性可通过词向量体现
- 词向量模型自带平滑化功能，其概率计算公式可以体现（softmax函数）
- 神经网络语言模型也有其不足：里面有很多参数需要学习（隐藏层和输出层之间）
7）词向量：将自然语言以数学化的方式表示，使机器能够识别
- one-hot
- distributied representation(LSA,LDA 都可以用来得到该表示)
8）词向量和语言模型在训练完后可同时得到
9）语言模型的一个评价指标是SENNA
10）词向量在不同语言下，具有相似位置结构，可以用来进行不同语言间的翻译
11）word2vec里的两个重要模型：CBOW（连续词袋模型）和Skip-gram模型
这两个模型的作用刚好相反，CBOW是用目标单词上下文（前后n个单词）预测该目标单词；Skip-gram是用目标单词来预测上下文单词。
针对这两个模型，word2vec给出两套框架来计算：hierarchical softmax 和 negative sampling
12）神经概率语言模型与CBOW模型在结构上有若干区别，虽然整体框架相似。
13) 既然CBOW和Skip-gram 都是用来学习词向量，而且结构基本相似，除了思路相反以外，那么这两个模型在下效果上怎样？
（一种说法是cbow对低频词更有利，只要周围词训练的好，目标低频词效果也相应提升；同时cbow比skip-gram更快）
14）Negative Sampling vs Hierarchical Softmax，更加简化，大幅提高性能
负采样算法：高频词被选为负样本概率大，低频词就概率小
15）负采样为何就能替代Hierarchical?而hierarchical中huffman tree的优势又在哪里？它起到的作用是什么？（给不同词频的词以不同的概率）（hierarchical 中并没有考虑负例，只是使训练集中的样本似然度最大化）
16)word2vec的缺点是：没有考虑语序