我最近研究并理解word2vec如何工作，它负责将单词转换为数字形式，因此当我们绘制它们或将它们放入世界空间时，它们将被传播并揭示每个单词与另一个单词之间的关系。
我的问题在这里，我发现RNNs突然间我变得困惑。 word2vec是RNNs的替代品还是我可以使用word2vec将单词转换为数字形式然后在RNNs上使用它们？
我的意思是他们都预测下一个词，所以我想知道他们是不是同一个问题的不同方法，或者我可以一起使用它们？
注意：我完成了计算机视觉并开始使用NLP，所以请不要判断我刚开始的问题，提前谢谢。
你没有清楚地理解word2vec的含义。 word2vec是多维空间中的单词的表示，而RNN是像Linear Regression或random forest或logistic regression这样的算法。 word2vec不会预测下一个词。以下是word2vec的一个小解释：
用三个词：apple，orange和car。假设它们在word2vec中表示为：
apple = [0.01, 0.04 ...] orange = [0.02, 0.06 ...] car = [0.03, 0.09 ...]
现在你知道apple和orange彼此相似，而car不是。因此，如果你将采取apple和orange的点积，结果值将接近1，说它是0.85，但如果你采取apple和car的点积，结果将远离1说它是0.25。这是word2vec的概念。它为您提供了数字形式的单词的向量表示，使得相似的单词在图中保持彼此靠近。
现在对于RNN，正如我所说，这是一种算法。你将向它提供一些数值数据，它会给你一些输出。您需要从一些在线教程中详细了解RNN。
为了回答关于如何一起使用它们的问题，RNN采用数字输入。它不能直接采用英语单词。所以我们需要将所有单词转换成某种数字形式。这是word2vec进入画面的地方。你拿出每个单词，从word2vec得到它的数字表示（就像我上面展示的apple，orange和car），然后把它喂给RNN。
这只是一个简单的概述，这里无法解释所有内容。如果你真的想了解更多，那么我强烈建议你参加this课程。从word2vec到RNN的一切都在那里得到了很好的解释。如果你在那里完成整个专业而不是仅完成这门课程会更好。