数字与图像/自然语言之间的相互映射
数字与图像的相互映射很容易理解。我们可以把一张矩形的图分解为许多正方形，这样一来，每个正方形都只有一种颜色，而不同的颜色可以用不同的数字来表示，于是，一张矩形图片就可以用许多排列整齐的数字来表示。反过来，我们也可以把许多排列整齐的数字转化为肉眼可辨识的图片。而这其中的正方形与正方形里面的数字，就是我们所说的“像素”。
数字与自然语言之间的相互映射则相对抽象。因为文字形式本身的唯一特点就是“差异”，所以要用数字表示文字，最容易想到的就是类比身份证，用一连串长度相同的数组来表示各个文字。比如，“我姓陈，不姓王”这句话中，一共有6个字，但2个“姓”是同一个字，所以有5种字，那么就用长度为5的数组去表示各个文字：
我：[1,0,0,0,0]
姓：[0,1,0,0,0]
陈：[0,0,1,0,0]
不：[0,0,0,1,0]
王：[0,0,0,0,1]
就像人有身份证一样，每个文字也有其对应的数组（或者说，向量）。然后反过来，又可以根据数组来反推出对应的文字。
但这里有一个问题：图像用数字表示不难理解，因为对于一个特定的“小正方形”而言，其颜色强度是确定的，因此，可以把不同强度的颜色用不同的数字来准确表示。
然而，文字呢？文字的含义如何通过数字来表示？
比如，“吃”和“饭”两个字经常搭配使用，那么，按理来说，当我们用数字去表示这两个文字时，数字就应该突显出对应的规律，而不只是许多个毫无规律的数字搭配在一起。
所以，在给文字配备“身份证”时，我们需要额外的设计。
首先，在设计前，我们要接受一个假设：某个字词的含义由它周围的字词决定。
这和我们做英文阅读题时很像。做阅读题时，不是有那种根据上下文猜测对应表粗单词的含义的题型吗？其实就是这个假设的很好的映证。
不妨再具体地举一个例子：有两句话，一句是“我吃饭”，另一句是“我恰饭”。那么，即使我们不知道“吃”和“恰”是什么意思，但根据他们两个上下文都是“我”和“饭”，不难推断出，“吃”和“恰”的含义应该是差不多的。
“某个字词的含义由它周围的字词决定”，我们把这个假设命名为分布式假设(distributional hypothesis)
好，既然接受了分布式假设，我们来看如何根据这个假设为文字配备身份证。
现在，我们选定一篇文章，文章里有许多文字，对吧？我们把这些文字一个一个拎出来，单独观察每个文字左右有些什么文字。
比如，在“别阻拦我吃饭喝汤”这句话中，我们拎出“吃”这个字，发现其左边有“别阻拦我”，右边有“饭喝汤”。然后，为了统一和方便，我们需要决定留下左右多少范围内的文字。简单起见，我们定为1，也就是说，我们只看拎出的文字的左边1个文字和右边1个文字，也就是“我”和“饭”。
