Word2Vec中的词向量是通过神经网络训练得到的低维数值表示，它将每个词语映射到一个向量空间中的坐标点。这种表示方法使得语义相近的词在向量空间中距离较近，从而能够捕捉到词语之间的语义关系。Word2Vec模型通过连续词袋模型（CBOW）和Skip-gram模型来学习词向量。CBOW模型通过上下文预测目标词，而Skip-gram模型通过目标词预测上下文词。训练完成后，每个词均对应一个固定长度的实数向量，这些向量可以被用于词语相似度计算、词语聚类、文档分类等自然语言处理任务。