本文通过对不同类型的上下文学习skip-gram词嵌入进行全面评估，发现内在任务在特定类型的上下文和更高维度方面表现更好，而对于大多数外在任务，需要更仔细的调整来找到最佳设置。此外，使用不同上下文类型学习的简单词嵌入的串联可以进一步提升性能。另外，本文还提出了一种新的skip-gram模型变体，从替换词的加权上下文中学习单词嵌入。