Word2vec 翻译到另一种语言，其向量空间之间的映射会不会是线性的？ 第1页

没有完全理解题主想要问什么，如果使用同样的mapping（脱离上下文），那源端语言的一个单词怎样得到目标端语言的不同单词。

你所说的语言之间的映射，取决于语言之间的相似程度，大部分时候都不是线性的。直观上来说，很多中文/英文词都没有对应的翻译，说明他们在各自的语义空间里的分布是不完全相似的（比如，presentation就很难找一个贴切的中文翻译）。但是用线性关系去近似不同语言之间的embedding是比较方便的，同时，虽然整个embedding space可能没有线性映射关系，但是不妨碍局部存在线性映射（e.g. anchor words）。

比如Adversarial Training for Unsupervised Bilingual Lexicon Induction 里的猫马猪（英西）

Unsupervised Alignment of Embeddings with Wasserstein Procrustes里面的水空气土地（英法）

Learning bilingual word embeddings with (almost) no bilingual data 里面的数字

数字好处在于语义明确，通用性强，缺点是样本少。用字典的好处在于样本多，缺点是可能会在通用性上有一定的妥协，同时对于很多语言可能没有办法构造足够多的平行语料对，Word Translation without Parallel Data里面的CSLS一定程度上缓解了对于语言相似性和平行语料的依赖。

当然了，语言自身也是会不断演化的，选用词向量的时候，也要考虑历史的进程（雾

如果你要用的是基于上下文的表示/内容的表示的话，某种程度上已经超出了word embedding的范畴了，不妨考虑一下BERT。

仅为抛砖引玉