embedding原理原理是通过一个映射矩阵来将每个离散值映射到对应的低维向量，这样每个离散值就可以用一个连续的向量表示。这个映射矩阵通常是由神经网络自动学习得出的。

embedding使首先需要选择一个适合自己应用场景的Embedding方法，然后构建相应的模型并进行训练。在训练过程中，Embedding层会把离散值映射到一个向量空间中，并通过反向传播算法不断优化模型参数。最终经过训练的模型可以将输入的离散变量转换为连续向量表示，以此来进行下游任务的处理。

需要注意的是，不同的应用场景对应的Embedding方法可能存在差异，因此在使用时需要仔细选择，并根据具体的需求调整模型参数以达到最佳效果。