打字猴:1.700533155e+09
1700533155
1700533156 百面机器学习:算法工程师带你去面试 [:1700532173]
1700533157 百面机器学习:算法工程师带你去面试 06 Word2Vec
1700533158
1700533159
1700533160
1700533161 场景描述
1700533162
1700533163 谷歌2013年提出的Word2Vec是目前最常用的词嵌入模型之一。Word2Vec实际是一种浅层的神经网络模型,它有两种网络结构,分别是CBOW(Continues Bag of Words)和Skip-gram。
1700533164
1700533165 知识点
1700533166
1700533167 Word2Vec,隐狄利克雷模型(LDA),CBOW,Skip-gram
1700533168
1700533169 问题 Word2Vec是如何工作的?它和LDA有什么区别与联系?
1700533170
1700533171 难度:★★★☆☆
1700533172
1700533173 分析与解答
1700533174
1700533175 CBOW的目标是根据上下文出现的词语来预测当前词的生成概率,如图1.3(a)所示;而Skip-gram是根据当前词来预测上下文中各词的生成概率,如图1.3(b)所示。
1700533176
1700533177
1700533178
1700533179
1700533180 图1.3 Word2Vec的两种网络结构
1700533181
1700533182 其中w(t)是当前所关注的词,w(t−2)、w(t−1)、w(t+1)、w(t+2)是上下文中出现的词。这里前后滑动窗口大小均设为2。
1700533183
1700533184 CBOW和Skip-gram都可以表示成由输入层(Input)、映射层(Projection)和输出层(Output)组成的神经网络。
1700533185
1700533186 输入层中的每个词由独热编码方式表示,即所有词均表示成一个N维向量,其中N为词汇表中单词的总数。在向量中,每个词都将与之对应的维度置为1,其余维度的值均设为0。
1700533187
1700533188 在映射层(又称隐含层)中,K个隐含单元(Hidden Units)的取值可以由N维输入向量以及连接输入和隐含单元之间的N×K维权重矩阵计算得到。在CBOW中,还需要将各个输入词所计算出的隐含单元求和。
1700533189
1700533190 同理,输出层向量的值可以通过隐含层向量(K维),以及连接隐含层和输出层之间的K×N维权重矩阵计算得到。输出层也是一个N维向量,每维与词汇表中的一个单词相对应。最后,对输出层向量应用Softmax激活函数,可以计算出每个单词的生成概率。Softmax激活函数的定义为
1700533191
1700533192
1700533193
1700533194
1700533195 (1.7)
1700533196
1700533197 其中x代表N维的原始输出向量,xn为在原始输出向量中,与单词wn所对应维度的取值。
1700533198
1700533199 接下来的任务就是训练神经网络的权重,使得语料库中所有单词的整体生成概率最大化。从输入层到隐含层需要一个维度为N×K的权重矩阵,从隐含层到输出层又需要一个维度为K×N的权重矩阵,学习权重可以用反向传播算法实现,每次迭代时将权重沿梯度更优的方向进行一小步更新。但是由于Softmax激活函数中存在归一化项的缘故,推导出来的迭代公式需要对词汇表中的所有单词进行遍历,使得每次迭代过程非常缓慢,由此产生了Hierarchical Softmax和Negative Sampling两种改进方法,有兴趣的读者可以参考Word2Vec的原论文[3]。训练得到维度为N×K和K×N的两个权重矩阵之后,可以选择其中一个作为N个词的K维向量表示。
1700533200
1700533201 谈到Word2Vec与LDA的区别和联系,首先,LDA是利用文档中单词的共现关系来对单词按主题聚类,也可以理解为对“文档-单词”矩阵进行分解,得到“文档-主题”和“主题-单词”两个概率分布。而Word2Vec其实是对“上下文-单词”矩阵进行学习,其中上下文由周围的几个单词组成,由此得到的词向量表示更多地融入了上下文共现的特征。也就是说,如果两个单词所对应的Word2Vec向量相似度较高,那么它们很可能经常在同样的上下文中出现。需要说明的是,上述分析的是LDA与Word2Vec的不同,不应该作为主题模型和词嵌入两类方法的主要差异。主题模型通过一定的结构调整可以基于“上下文-单词”矩阵进行主题推理。同样地,词嵌入方法也可以根据“文档-单词”矩阵学习出词的隐含向量表示。主题模型和词嵌入两类方法最大的不同其实在于模型本身,主题模型是一种基于概率图模型的生成式模型,其似然函数可以写成若干条件概率连乘的形式,其中包括需要推测的隐含变量(即主题);而词嵌入模型一般表达为神经网络的形式,似然函数定义在网络的输出之上,需要通过学习网络的权重以得到单词的稠密向量表示。
1700533202
1700533203
1700533204
[ 上一页 ]  [ :1.700533155e+09 ]  [ 下一页 ]