广义上讲，Word2Vec的训练过程是将经常出现在同一上下文中的词在向量空间中聚集在一起。我们首先在平面上随机排列词语，然后随着每次迭代，越来越多的聚类形成。我认为我理解了这一点，但我们如何确保反义词或很少出现在同一上下文中的词不会被聚集在相近的 clusters 中呢？此外，我们如何知道那些更不相关的词比那些不太不相关的词距离更远？

回答：

进一步阐述Novak的回答：

你似乎把word2vec视为评估语义意义的工具。虽然结果与意义有很大相关性，但这不是word2vec的功能。相反，它表示上下文相关性，这（某种程度上松散地）被视为“相关性”。

当这种“相关性”应用于某些问题时，特别是当需要多个“相关性”命中来支持一个可报告的结果时，那么整体效果通常对当前问题有用。

对于你的情况，请注意一个词及其反义词经常会出现在彼此附近，用于文学对比或其他强调。因此，它们在上下文中是相当相关的。除非你有一些预处理可以识别并适当调整各种形式的否定，否则你会在你的向量化中经常看到这样的词对——这对工具来说是合适的。