TL; DR :
Ma trận đầu tiên biểu thị vectơ đầu vào theo một định dạng nóng
Ma trận thứ hai biểu thị các trọng số synap từ các nơ ron lớp đầu vào đến các nơ ron lớp ẩn
Phiên bản dài hơn :
"chính xác ma trận tính năng là gì"
Có vẻ như bạn chưa hiểu chính xác về đại diện. Ma trận đó không phải là ma trận tính năng mà là ma trận trọng số cho mạng thần kinh. Hãy xem xét hình ảnh được đưa ra dưới đây. Đặc biệt chú ý góc trên cùng bên trái nơi ma trận Lớp đầu vào được nhân với ma trận Trọng số.
Bây giờ nhìn vào phía trên bên phải. Phép nhân ma trận này InputLayer được tạo ra với Weights Transpose chỉ là một cách tiện dụng để biểu diễn mạng lưới thần kinh ở trên cùng bên phải.
Vì vậy, để trả lời câu hỏi của bạn, phương trình bạn đã đăng chỉ là biểu diễn toán học cho mạng thần kinh được sử dụng trong thuật toán Word2Vec.
Phần đầu tiên, [0 0 0 1 0 ... 0] đại diện cho từ đầu vào dưới dạng một vectơ nóng và ma trận khác biểu thị trọng số cho sự kết nối của từng nơ-ron lớp đầu vào với các nơ-ron lớp ẩn.
Khi Word2Vec đào tạo, nó hỗ trợ lại các trọng số này và thay đổi chúng để thể hiện tốt hơn các từ dưới dạng vectơ.
Sau khi hoàn thành đào tạo, bạn chỉ sử dụng ma trận trọng số này, lấy [0 0 1 0 0 ... 0] để nói 'con chó' và nhân nó với ma trận trọng số được cải thiện để có được biểu diễn vectơ của 'con chó' theo chiều = không có tế bào thần kinh lớp ẩn.
Trong sơ đồ bạn đã trình bày, số lượng tế bào thần kinh lớp ẩn là 3
Vì vậy, phía bên tay phải về cơ bản là vector từ.
Tín dụng hình ảnh: http://www.datasciencecentral.com/profiles/bloss/matrix-multiplication-in-neural-networks