Word2Vec和Glove都是基于共现统计来描述词向量，其中Glove可以利用全局信息，可以更好的描述整个词汇库中词和词之间的相关性，在词类比和衡量词之间相似度上性能优异，而word2Vec只利用词上下文的共现信息，对该类任务性能较差。 两者的区别，从另一角度看，word2Vec属于predictive预测模型，glove属于基于计数的模型。
这类模型都是基于单词水平的，及每个向量，表示一个完整的词，那么会有什么缺点呢？ 首先，如果要表示所有单词，那么需要你的训练语料库足够大到包括所有词汇，这需要很大的单词库。 没有包含在词库的单词，将不能识别，即OOV问题。 例如：goooooood bye,该算法遇到这种情况，会两眼一抹黑，发憷。 于是NLP专家在想，能不能有一种更基础的词向量表示，可以表示更为基础的语言单位，这样基础的语言单位可以构成词及其他所有词。 于是就有了字符模型。
字符级模型有两种思路，一种是将单个单词表示维分解为字符嵌入，那么相似的单词就有相似的嵌入，这样就可以解决OOV问题。另一种将连接的语言作为字符串处理，这里在连续的词上，取固定长度字符数作为嵌入词。两种方法都取得了不错的成绩。
但这类模型有个问题，就是从单词替换成字符导致处理的序列变长，原来一个单词，维度为300维，10个词只要3000个数据，现在一个词分为3个字符，需要30个向量，9000个数据，文本序列变长，处理速度变慢；由于序列变长，数据变得稀疏，数据之间的联系的距离变大，不利于学习。于是2017年，Jason Lee, Kyunghyun Cho, Thomas Hoffmann发表了论文Fully Character-Level Neural Machine Translation without Explicit Segmentation 解决了这些问题。 首先是对输入的character首先做一个embedding, 然后分别与大小为3，4，5的filter进行卷积运算，就相当于3-grams, 4-grams和5-grams。之后进行max-pooling操作，相当与选出了有语义信息的segment-embedding。之后将这些embedding送入Highway Network(相当于resnet, 解决了深层神经网络不容易训练的问题)后再通过一个单层的双向GRU，得到最终的encoder的output。之后经过一个character-level的GRU(作为decoder)得到最终结果。
子词模式是介于单词模型，和字符模型之间的模型，其基本单位为词片。 子词模型目前有两种类型：词片类型和混合模型 词片类型以字节对编码为代表： Byte Pair Encoding（BPE） Byte Pair Encoding,简称BPE，是一种压缩算法。
给定了文本库，我们的初始词汇库仅包含所有的单个的字符，然后不断的将出现频率最高的n-gram pair作为新的n-gram加入到词汇库中，直到词汇库的大小达到我们所设定的某个目标为止。如图所示： 混合模型： 混合模型即两种方式并存的模型，在正常处理时采用word-level的模型，当出现奇怪的词的后，使用char-level级的模型。
将subword的思想融入到word2vec中，FastText。处理文本速度，一个字，快。据说可以在10分钟内训练参数上亿的模型。 FastText embeddings是一个word2vec like embedding。用where举例, 它把单词表示成了: "where = <wh, whe, her, ere, re>, “这样的形式. 注意这里的”<>"符号是表达了开始和结束. 这样就可以有效地解决OOV的问题, 并且速度依然很快。
Task 3: Subword Models （附代码）（Stanford CS224N NLP with Deep Learning Winter 2019）
