Word2vec和GloVe的内存消耗比较
Word2vec和GloVe是两种常用的词嵌入算法，它们都可以将词语映射到一个低维度的向量空间中，从而捕捉词语之间的语义和句法关系。在实际应用中，内存消耗是一个重要的考虑因素。以下是关于Word2vec和GloVe内存消耗的比较：
Word2vec的内存消耗
Word2vec算法在内存消耗方面有一定的优势。它的训练过程中，默认情况下不会使用负采样（negative
sampling）技术，这种情况下，Word2vec的训练速度非常快，但是准确率仅有57.4%
。这是因为在这种情况下，模型只告诉模型什么是有关的，却不告诉它什么是无关的，模型很难对无关的词进行惩罚从而提高自己的准确率。不过，当开启了负采样之后，虽然能够显著提高准确率至68.3%，但是需要花费更长的时间，大约为8小时38分钟
。
GloVe的内存消耗
相比之下，GloVe算法在内存消耗方面稍逊一筹。GloVe算法本身使用了全局信息，因此自然内存耗费的就多一些。尽管如此，相较于未使用负采样的Word2vec，GloVe的速度更快，当其准确率达到67.1%时，只需要花费4小时12分钟
。这主要是因为GloVe更容易并行化处理。
总的来说，对于内存资源充足的场景，GloVe可能是更好的选择。而对于内存资源有限，或者希望在训练过程中节省时间的朋友来说，Word2vec可能会是更好的选择。此外，如果文本本身并不大，而又不介意一边开着Word2vec一边进行其他任务的朋友，Word2vec也是一个不错的选择
。
以上是对Word2vec和GloVe内存消耗的比较。需要注意的是，这只是一个基于特定评价标准和实验环境的比较，实际应用中，最佳选择可能会受到多种因素的影响，例如可用硬件、计算资源、任务需求等。
