在自然语言处理中，一直有一个非常重要的问题是如何有效的计算单词之间的相似性。因为，对于人来说，可以通过词义来判断单词的相似性，而计算机却只能通过数学计算来模拟这个过程。
这时候，Glove就应运而生了。Glove是一种基于全局词向量表征学习的方式。它的作者 Jeffrey Pennington，Richard Socher 和 Christopher D. Manning，是斯坦福大学的科学家，在他们的论文《GloVe: Global Vectors for Word Representation》中，提出了一种新的全局语义向量的统计学模型。
这个模型可以对大量的文章进行处理，然后得到每个单词的一个表示向量，这个向量包含了单词之间的相似性信息。在使用这个模型的时候，我们可以把每个单词看做是一个点，然后通过计算点与点之间的距离，来决定它们之间的相似性。
Glove模型已经成为了自然语言处理中非常重要的一环，被广泛应用在语言翻译、词义理解、文本分类、相似句子提取等方面。