实验三词向量技术一、实验目的理解并掌握Skip-gram词向量模型的训练以及词的余弦相似度计算。二、实验内容使用飞桨实现Skip-gram模型的方法，对PyTorch或者TensorFlow框架熟悉的同学也可以将程序改造为对应机器学习框架的算法。如果电脑上具有GPU，请尝试将程序放到GPU上去运行。在飞桨中，不同深度学习模型的训练过程基本一致，流程如下：1、数据处理：选择需要使用的数据，并做好必要的预处理工作。2、网络定义：使用飞桨定义好网络结构，包括输入层，中间层，输出层，损失函数和优化算法。3、网络训练：将准备好的数据送入神经网络进行学习，并观察学习的过程是否正常，如损失函数值是否在降低，也可以打印一些中间步骤的结果出来等。4、网络评估：使用测试集合测试训练好的神经网络，看看训练效果如何。实验中运行可能的结果输出如下: 单词1 king 和单词2 queen 的cos结果为 0.879609单词1 she 和单词2 her 的cos结果为 0.933683单词1 topic 和单词2 theme 的cos结果为 0.933814单词1 woman 和单词2 game 的cos结果为 0.647447 单词1 one 和单词2 name 的cos结果为 0.504287三、实验语言和平台Python3.7，AI Studio平台。本实验需要4学时。四、实验内容和分析进入课节6，查看实验内容《实验三词向量技术》，完成实验项目《Skip-gram词向量模型的训练以及词的余弦相似度计算》，读懂模型算法，完全理解算法的基本原理，为主要代码做注释（不局限于平台已经提供的注释），分析输出结果，并回答如下问题：（1）谈谈你对程序的SkipGram类中self.embedding作用的理解。（2）build_data()方法的作用是什么，输出数据的构成是怎样的？