是的，Word2Vec的词向量可以用于计算词之间的相似度。Word2Vec是一种将词汇映射到高维向量空间的算法，能够通过学习文本数据的上下文信息为单词生成向量表示。通过训练文本数据，Word2Vec可以学习到词汇之间的语义关系，并将相似的词语映射到相邻的向量空间位置。因此，词向量的距离可以用于度量词之间的相似度。

  例如，可以使用余弦相似度来计算两个词向量之间的相似度。余弦相似度是通过计算两个向量的夹角来衡量它们之间的相似程度，范围从-1到1。如果两个词向量的夹角接近0，表示它们的方向相似，相似度较高；如果夹角接近180度，表示它们的方向相反，相似度较低。

  Word2Vec的词向量可以用于许多自然语言处理任务，如文本分类、命名实体识别和机器翻译等。在这些任务中，可以通过计算词向量之间的相似度来衡量词语之间的语义相似度或相关性，从而为模型提供更好的语义表示。