embedding 矩阵是根据什么来生成的呢

在学习Word2Vec的时候

会使用到一层embedding 层来使中心词的ont-hot 矩阵降维，但是我想知道 这个embedding layer里面的这个embedding 矩阵是根据什么来生成的呢？ 有什么论文或者谁能解释一下原理么？

这个问题我以前也困扰过，研究半天发现结果其实特别简单，embedding 层就是一个查找表。这就是说，如果你有 10 个 token，也就是有 10 种 one-hot 编码，那么每一个 one-hot 都对应一个 embedding 结果，给他全部记录下来就好，之后靠着 BP 算法，能自动把这些 embedding 学习到。

对应到 pytorch 的源码，更是简单，对应源码 https://github.com/pytorch/pytorch/blob/5b03ff0a09d43d721067e39da10aa23edc6997cd/aten/src/ATen/native/Embedding.cpp#L14-L29 中 14~29 行，你会发现他就一个 index_select 函数，说明 embedding 里面的矩阵就是一个查找表，根本连乘法运算都没有：

Tensor embedding(const Tensor & weight, const Tensor & indices,
                 int64_t padding_idx, bool scale_grad_by_freq, bool sparse) {
  auto indices_arg = TensorArg(indices, "indices", 1);
  checkScalarType("embedding", indices_arg, kLong);

  // TODO: use tensor.index() after improving perf
  if (indices.dim() == 1) {
    return weight.index_select(0, indices);
  }

  auto size = indices.sizes().vec();
  for (auto d : weight.sizes().slice(1)) {
    size.push_back(d);
  }
  return weight.index_select(0, indices.reshape(-1)).view(size);
}