在从头开始训练词嵌入时，我对在自然语言处理(NLP)中传递给神经网络的输入感到困惑。CBOW我读了这篇论文，有一些疑问。

在一般的神经网络(NN)架构中，更清楚的是，每一行都作为具有d特征的神经网络的输入。例如下图中：

X1, X2, X3是一个输入，或数据帧的一行。所以在这里，一个数据点是，dimension 3数据框是这样的：

X1  X2  X3
1   2   3
4   5   6
7   8   9

我的理解正确吗？

现在NLP来看CBOW架构：让我们举个例子来训练CBOW词嵌入：

Sentence1：“我喜欢自然处理域。”

从上面的句子创建训练数据，窗口大小=1

Input                      output

(I,natural)                like
(like,processing)          natural
(natural,domain)           processing
(processing)               domain

上面为窗口大小=1的CBOW架构创建训练数据是否正确？

我的问题如下：

对于上图，我将如何将此训练数据传递给神经网络？

如果我将每个单词表示one-hot encoded为维度等于大小的向量vocabulary V作为神经网络的输入，那么我应该如何在 dimesion 的同时传递 2 个单词2V as input。

这是为第一个训练样本传递输入的方式吗：我只是连接了两个输入词：

然后我训练网络使用交叉熵损失来学习词嵌入？

Is this the right way to pass input?

Secondly, the middle layer will give us the word embeddings for 2 input words or the target words??