Embedding（嵌入） 是将离散对象（如文本、图像、单词）映射到低维连续向量空间的技术，核心作用是保留对象间的语义或结构关联，方便机器学习模型处理。

在自然语言处理中，Word Embedding（词嵌入）是典型应用，比如Word2Vec、GloVe、BERT的词向量；在图像识别领域，可通过CNN提取图像特征作为图像嵌入，用于检索、分类等任务。

嵌入向量的维度通常远低于原离散空间维度，且相似对象的嵌入向量在空间中距离更近，这是其在语义检索、推荐系统、聚类分析等场景中发挥作用的关键。

受此启发，我们每个人也可以抽象为高维向量，人以类聚物以群分可以通过这个向量的欧式距离，或者余弦函数值来求得。好朋友根据求这个值很容易证明
--
FROM 171.219.162.*