试从模型结构、参数学习等方面对比分析Word2Vec中的CBOW和Skip-gram两种模型。

CBOW和Skip-gram是Word2Vec中最常用的两种模型，它们都是基于神经网络的词向量表示方法。CBOW通过给定上下文单词，预测目标单词；而Skip-gram则是给定目标单词，预测上下文单词。从模型结构及参数学习的角度来看，CBOW的输入是上下文单词的词向量平均值，输出是目标单词的词向量；而Skip-gram的输入是目标单词的词向量，输出是多个上下文单词的词向量。CBOW相对于Skip-gram模型学习速度更快，而Skip-gram模型能够更好地处理罕见单词。