처음 딥러닝 공부하기 시작했을 때 씨발 트랜스포머 보고 이게 뭔 개소린가 했는데 벡터를 직관적으로 이해하고 받아드리니깐 난이도가 미친듯이 내려감.


벡터는 결국 정보를 여러 차원으로 분해해 수학적으로 표현한 것.


단어 벡터 = 단어를 여러 차원으로 분해해 수학적으로 표현한 것.


단어 벡터의 각 차원은 단어 그 자체의 특징을 의미. 예를 들면, 단어가 단수/복수인가? 명사/동사인가?


위치 벡터 = 단어의 "위치"를 여러 차원으로 분해해 수학적으로 표현한 것.


위치 벡터의 각 차원은 단어 위치의 특징을 의미. 예를 들면, 절대적으로 이 단어가 문장의 몇번째에 위치하는가? 어느 단어로부터 얼마나 떨어져 있는가?


물론 딥러닝 특성상 저 벡터들의 차원이 무엇을 의미하는지 알 수 없지만 직관적으로 유추해 볼 수는 있음. 


결정적으로 벡터와 벡터를 더하거나 곱한다는 것을 "정보를 섞거나 조합하는 것이다"라는 것을 직관적으로 이해하게됨.


단어 벡터 + 위치 벡터 = 단어의 의미 + 단어의 위치 = 문맥.


이런식으로 쉽게 받아드려지는듯;;