不依赖任何第三方库实现词嵌入（Word Embedding），本质上就是亲手编写词向量的完整训练流程——从文本清洗、词典构建，到生成上下文样本，再到定义前向传播与反向更新。其核心在于透彻理解 Skip‑gram 或 CBOW 的前向计算与梯度回传机制。下面我们用纯 Python（仅使用 math、random、collections）搭建一个可运行的轻量级词嵌入模型，以 Skip‑gram + 负采样（Negative Sampling）为例。虽然无法处理大规模语料，但每个步骤都对应着 NLP 表征学习的核心动机，值得亲手走一遍。

1. 文本预处理与词汇表构建

第一步是将原始句子转换为整数索引序列，同时过滤低频词和停用词（可选，但通常能提升嵌入质量）。具体拆解如下：

• 分词：按空格或简单标点切分，统一转为小写，丢弃空字符串；
• 词频统计：使用 Counter 统计所有词的出现次数；
• 词汇表构建：仅保留出现次数 ≥ min_count 的词，按频次从高到低排序；务必为 UNK（未登录词）预留索引 0；
• 映射表：建立两个字典——word2idx（词→索引）和 idx2word（索引→词），后续所有查表操作均依赖它们。

2. 生成 Skip‑gram 训练样本

对于每个中心词，提取窗口内（例如左右各2个）的词作为正样本；负样本则依据词频分布按概率采样——这里有一个常用技巧：将一元分布的 3/4 次方作为平滑权重，使低频词也有机会被选中。

• 遍历句子中的每个词（跳过窗口边界处的词），以它为中心，收集左右 window_size 内的词作为正样本；
• 针对每个正样本，随机采样 n_neg 个负样本：预先计算每个词的采样概率（freq^(3/4) 后归一化），可采用轮盘赌或别名采样；简易版本直接使用 random.choices 并设置权重即可；
• 每条样本存储为三元组 (center_idx, context_idx, label)，正样本 label=1，负样本 label=0。

3. 初始化与前向传播（Sigmoid + 点积）

需要维护两组向量：输入矩阵 W（尺寸 vocabulary_size × embedding_dim）和输出矩阵 W'（相同大小）。Skip‑gram 的做法是：从 W 中查询中心词得到向量 v_c，从 W' 中查询上下文词得到向量 v_w，计算两者点积 v_c ⋅ v_w，再通过 Sigmoid 得到概率值。

• 初始化：W 和 W' 均赋值为小随机数，例如 uniform(-0.5/dim, 0.5/dim)，以避免对称性导致向量趋同；
• Sigmoid 手写实现：def sigmoid(x): return 1 / (1 + math.exp(-max(-50, min(50, x))))——通过截断防止数值溢出；
• 前向计算：score = sum(v_c[i] * v_w[i] for i in range(dim))，然后 prob = sigmoid(score)。

4. 手动反向传播与参数更新

损失函数选用二元交叉熵：L = −[y·log(p) + (1−y)·log(1−p)]。正样本时 y=1，梯度为 (p−1)；负样本时 y=0，梯度为 p。依据该误差信号更新两组向量：

• 令 g = prob - label（即误差信号）；
• 更新中心词向量：W[center_idx][i] -= lr * g * W_prime[context_idx][i]；
• 更新上下文词向量：W_prime[context_idx][i] -= lr * g * W[center_idx][i]；
• 学习率 lr 建议初始值设为 0.025，并随训练步数线性衰减。

整个过程不依赖 NumPy 或 PyTorch，全部使用原生 Python 列表与循环手动实现。虽然效率较低——仅适合小语料或教学演示——但优点在于清晰展现了词向量如何通过局部共现被“拉近”，以及负采样如何绕过 softmax 的计算瓶颈。归根结底，核心不在于代码的简洁性，而在于每一步都映射了“分布假设”的数学本质。