词向量的另一个名称是什么？

词向量的另一个名称是“嵌入向量”（embedding vector）。嵌入向量是用于表示词语的向量，其中每个维度都代表了一个与该词相关的语义特征。嵌入向量旨在将自然语言文本转换为可供机器学习使用的数字表示形式。

嵌入向量可以通过多种方法获得，其中一种常见的方法是使用神经网络进行训练。训练过程中，神经网络通过学习句子中不同词汇之间的关系来生成嵌入向量。这种方法称为“词嵌入”。

在NLP（自然语言处理）任务中，嵌入向量通常被用作特征输入，以便训练分类器、回归模型等机器学习模型。嵌入向量的优点是可以减少模型的维数，提高模型的训练速度和准确性。

以下是一个示例代码片段，用于从gensim库中加载训练好的嵌入向量模型：

from gensim.models import KeyedVectors

# 加载已经训练好的模型
model = KeyedVectors.load_word2vec_format('path/to/pretrained/model')

# 获取“apple”这个词的嵌入向量
vector = model['apple']

以上代码演示了如何使用gensim库中的模型加载嵌入向量，并获取特定词语（这里是“apple”）的嵌入向量。