1.作业
（1）.c2w模型和词嵌入模型有什么区别和联系，能够解决词嵌入的那些问题
解答：c2w模型将字符信息添加到模型中，学习到了字符信息。使得学到的词表示具有与字符相关的信息，改变了词嵌入模型的词表示是相互独立和没有学习到字符信息。
（2）.训练自己词向量表示，并使用余弦相似度查看学习到的语法和语义信息。
解答：将模型中双向LSTM的输出过一个全连接层后的输出为词表示，词表示的维度为50维。
（3）.总结c2w的代码。
解答：代码过程分为几个部分：
数据；模型；损失函数；优化器；模型迭代；测试；
*数据准备：
首先将语料数据（每行为一个字典类型，即json格式），读入数据列表；
列表循环，每行数据转换为json，提取text属性的数据，分词、去除点等数据，统计词个数，生成词表dict{}，
统计出现的字符样式和个数，最大词字符个数16，最大句话的单词个数1000，单词embedding50，字符embedding50
生成datas（labels，列表类型，1维，句子最大长度*句子个数），char_datas（训练数据，2维列表（句子最大长度*句子个数，词最大字符数）），wright（句子最大长度*句子个数）
*模型设计：
字符embedding
接双向lstm
拼接lstm两个输出结果，
接一个全连接层，输出为word_embedding
送入一个单向LSTM，
接一个全连接，输入为hidden_size,输出为word_vocab_size,词的个数。
*设置损失函数和优化器：
*迭代训练：
*测试应用：
