一個互動式字典需要單字的向量特徵，以便應用程式可以顯示在相似上下文中使用過的單字。哪種方法最能為最近鄰模型提供這些特徵？

下載預訓練的單字嵌入向量（例如 Word2Vec、GloVe 或 FastText）是最佳方法。這些嵌入是從大型文本語料庫中學習到的，能夠捕捉單字之間的語義和句法關係。它們將單字表示為高維空間中的密集向量，使得在相似上下文中使用過的單字在向量空間中彼此靠近，非常適合最近鄰模型。 為每個單字建立 one-hot 編碼向量會導致稀疏且高維的向量，無法捕捉單字之間的語義關係，因此不適用於尋找相似單字。使用人工工作者產生同義詞列表耗時且成本高昂，且可能無法涵蓋所有上下文相似的單字。建立記錄編輯距離的嵌入主要衡量單字的拼寫相似度，而非語義相似度，因此不適合尋找在相似上下文中使用過的單字。