一、基于 Word2Vec 对预处理好的文本数据进行训练，得到词嵌入矩阵 E，Word2Vec 原理如下，以“I drink coffee everyday”为例：
step-1，输入输出 one-hot 编码，确定采样窗口大小等一系列参数
step-2，初始化嵌入层 E（隐层数 * 字典词数）
step-3，得到每个词的词向量 E * oi = ei，词向量加权平均得到 sita 向量
step-4，初始化 W 矩阵（字典词数 * sita行数），W * sita = u
step-5，softmax(u) = y_hat，Obj = cross_entropy，Opti = GD to E and W
二、将嵌入层套入 RNN 训练情感分类模型
LSTM 细节如下：
