评估Word2Vec的训练结果可以通过多种方式进行，以下是一些常见的评估方法：

  1. 内部评估：内部评估是在训练数据上进行的，主要是评估模型的准确性和一致性。其中一种常用的方法是使用“nearest neighbors”（最近邻）的方法，通过计算单词在向量空间中的距离来判断模型对单词之间的关系是否准确。通过找出与一个给定单词最接近的其他单词，可以判断向量空间中是否存在语义上的相似性。

  2. 外部评估：外部评估是将Word2Vec的训练结果与某些已知的任务或数据集进行比较。这些任务可以是词义相似性、词性标注、命名实体识别等语言处理任务，通过评估模型在这些任务上的性能来判断Word2Vec的质量。例如，可以使用类似WordSim-353或MEN的词义相似性数据集进行比较。

  3. 上下文相关性评估：Word2Vec可以用于计算词语之间的相似性，但在某些情况下，词语的意义可能会因上下文的不同而有所不同。为了评估模型对上下文相关性的建模能力，可以使用类似于“Word in Context”任务的数据集。这个任务要求给定一个句子和句子中的某个单词，预测这个单词在给定上下文中的正确意思。

  4. 确定词语顺序：Word2Vec只能捕捉单词之间的关系，而无法捕捉单词之间的顺序。为了评估模型在确定词语顺序方面的性能，可以使用类似于语言建模任务的数据集，并计算模型生成的句子的准确性。

  综上所述，Word2Vec的训练结果可以通过内部评估、外部评估、上下文相关性评估和确定词语顺序等多种方式进行评估，通过综合考量这些评估结果可以对模型的质量进行全面的评估。