テンソルフローチュートリアルtensorflowを使用しています。私は、次の行の説明を見つけるしたいと思います：テンソルフローのtf.contrib.layers.embedding_column
tf.contrib.layers.embedding_column
それはword2vecまたは何か他のものを使用している場合、私は疑問に思う、または多分私は完全に間違った方向に考えています。私はGibHubをクリックしようとしましたが、何も見つかりませんでした。私はPythonがいくつかのC++ライブラリを参照する可能性があるので、GitHubを見ているのは簡単ではないだろうと推測しています。誰かが正しい方向に私を指すことができますか？
私もこれについて疑問に思っています。彼らが何をやっているのかは分かりませんが、これが私の発見です。
paper on wide and deep learningには、埋め込みベクトルがランダムに初期化されてから、誤差を最小限に抑えるためにトレーニング中に調整されるものとして記述されています。
通常、埋め込みを行うときは、データの任意のベクトル表現（ワンホットベクトルなど）をとり、それに埋め込みを表す行列を掛けます。この行列は、PCAによって、またはt-SNEやword2vecのようなものによって訓練中に見つけることができます。
embedding_columnの実際のコードはhereで、_FeatureColumnのサブクラスである_EmbeddingColumnというクラスとして実装されています。埋め込み行列をsparse_id_column属性内に格納します。次に、to_dnn_input_layerメソッドは、この埋め込み行列を適用して、次のレイヤの埋め込みを生成します。
def to_dnn_input_layer(self,
input_tensor,
weight_collections=None,
trainable=True):
output, embedding_weights = _create_embedding_lookup(
input_tensor=self.sparse_id_column.id_tensor(input_tensor),
weight_tensor=self.sparse_id_column.weight_tensor(input_tensor),
vocab_size=self.length,
dimension=self.dimension,
weight_collections=_add_variable_collection(weight_collections),
initializer=self.initializer,
combiner=self.combiner,
trainable=trainable)
だから私の知る限り、埋め込みが埋め込み行列にどのような学習則あなたが使っている（勾配降下など）を塗布して形成されているように思えます。
私は埋め込みに関して同様の疑いがありました。ここ
が要点である：
伝統広い線形モデルと共に埋め込み層を付加する能力は、低次元まで疎次元を減らすことによって、正確な予測を可能にします。ここで
それについてgood postです！
埋め込みレイヤーを結合すると、ここにはsimple exampleがあります。 Titanic Kaggleのデータを使用して、名前、性別、彼らが持っていた乗車券、彼らが宿泊したキャビンに支払った運賃など、乗客が生き残るかどうかを予測する。