Feature Embedding

特徵嵌入，將資料轉換（降維）為固定大小的特徵表示（向量），以便於處理和計算（如求距離）。例如，針對用於說話者識別的語音訊號訓練的模型可以允許您將語音片段轉換為數字向量，使得來自相同說話者的另一片段與原始向量具有小的距離（例如，歐幾里德距離）。

embedding的主要目的是對（稀疏）特徵進行降維，它降維的方式可以類比為一個全連線層（沒有啟用函式），通過 embedding 層的權重矩陣計算來降低維度。

例如，社交媒體資料嵌入（social media data embedding）

Okay, so in deep learning, an embedding generally refers to a continuous, fixed-length vector representation of something that is otherwise difficult to represent (see word embeddings).