Word2vec 为给定的单词分配一个 N 维向量（这可以被认为是一种降维形式）。

事实证明，至少在一些典型的例子中，向量算术似乎可以直观地工作。例如“国王 + 女人 - 男人 = 女王”。

这些项都是 N 维向量。现在，为简单起见，假设$N=3$,$\text{king} = [0, 1, 2], \text{woman} = [1, 1, 0], \text{man} = [2, 2, 2], \text{queen} = [-1, 0, 0]$, 那么上面的表达式可以写成$[0, 1, 2] + [1, 1, 0] - [2, 2, 2] = [-1, 0, 0]$.

在这个（人为的）示例中，最后一个维度（国王/男人=2，女王/女人=0）暗示了性别的语义概念。除了语义，给定的维度可能“意味着”语音的一部分、第一个字母，或者算法可能已经锁定的任何特征或特征集。然而，任何感知到的单一维度的“意义”很可能只是一个简单的巧合。

如果我们只选择一个维度，那么该维度本身是否传达了一些可预测或可确定的信息？或者这纯粹是算法的“随机”伪影，只有完整的 N 维向量距离很重要？