为什么使用word2vec得出的词向量，可以用向量的距离来衡量词相似度？
==========================================================
推荐系统的召回模块中，可以通过上述的结论解释如下问题：
（1）离线部分：一般在网络结构的最后一层，对User Embedding和Item Embedding使用Cos相似度建模（例如YouTube, DSSM等）；
（2）在线部分：使用 Faiss 或者 Annoy 对 User Embedding 在商品池中检索 Item Embedding Index。 Faiss 或者 Annoy 的原理是K-Means聚类，本质上是欧式距离的范畴。
参考：