word2vec词向量模型.pptxVIP

词向量模型—Word2Vec 前言 计算机 老外来访被请吃饭。落座后，一中国人说：“我先去方便一下。”老外不解，被告知“方便”是“上厕所”之意。席间主宾大悦。道别时，另一中国人对老外发出邀请：“我想在你方便的时候也请你吃饭。”老外愣了，那人接着说： “如果你最近不方便的话，咱找个你我都方便的时候一起吃。 人类 VS 1 2 3 基本概念 模型与方法 实际应用 目录 词向量 自然语言中的词语在机器学习中的表示符号 One-Hot Representation 例如： “话筒”表示为：[0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, …] “麦克”表示为：[0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, …] 实现时可以用0,1,2,3等对词语进行计算，这样的“话筒”可以用4表示，麦克可以用10表示 问题： 维度很大，当词汇较多时，可能会达到百万维，造成维度灾难 词汇鸿沟：任意两个词之间都是孤立的，不能体现词与词之间的关系。 词向量 Distributional Representation 将词表示为 [0.793, -0.177, -0.107, 0.109, 0.542, …]的矩阵，通常该类矩阵设置为50维或100维 通过计算向量之间的距离，来体现词与词之间的相似性，解决词汇鸿沟的问题 实现时可以用0,1,2,3等对词语进行计算，这样的“话筒”可以用4表示，麦克可以用10表示 如何训练： 没有直接的模型可以训练得到 可以在训练语言模型的同时，得到词向量。 语言模型 判断一句话是不是正常人说出来的 给定一个字符串”w1, w2, w3, w4, … , wt”,计算它是自然语言的概率、 P(w1,w2,…,wt)=P(w1)×P(w2|w1)×P(w3|w1,w2)×…×P(wt|w1,w2,…,wt−1) P(大家，喜欢，吃，苹果)=p(大家)p(喜欢|大家)p(吃|大家,喜欢)p(苹果|大家,喜欢,吃) p(大家)表示“大家”这个词在语料库里面出现的概率； p(喜欢|大家)表示“喜欢”这个词出现在“大家”后面的概率; p(吃|大家，喜欢)表示“吃”这个词出现在“大家喜欢”后面的概率； p(苹果|大家,喜欢,吃)表示“苹果”这个词出现在“大家喜欢吃”后面的概率。 把这些概率连乘起来，得到的就是这句话平时出现的概率。 如果这个概率特别低，说明这句话不常出现，那么就不算是一句自然语言，因为在语料库里面很少出现。如果出现的概率高，就说明是一句自然语言。 常用的语言模型都是在近似地求 P(wt|w1,w2,…,wt−1)。 比如 n-gram 模型就是用 P(wt|wt−n+1,…,wt−1) 近似表示前者。 N-pos 先对词进行了词性分类 1 2 3 模型与方法 基本概念 实际应用 目录 Word2Vec Google的Mikolov在2013年推出了一款计算词向量的工具 word2vec作为神经概率语言模型的输入，其本身其实是神经概率模型的副产品，是为了通过神经网络学习某个语言模型而产生的中间结果。具体来说，“某个语言模型”指的是“CBOW”和“Skip-Gram”。具体学习过程会用到两个降低复杂度的近似方法——Hierarchical Softmax或Negative Sampling。 CBOW：Continuous Bag-of-Words Skip-Gram：Continuous Skip-Gram Model Hierarchical Softmax Negative Sampling 两个语言模型 两种优化方法 CBOW and Skip-Gram 初始化值是零向量， 叶节点对应的单词的词向量是随机初始化的。 CBOW 的目 标 是 根 据 上 下 文 来 预 测 当 前 词 语 的 概率Skip-Gram恰好相反， 它是根据当前词语来预测上下文的概率。这 两 种 方 法 都 利 用 人 工 神 经 网 络 作 为它们的分类算法。起 初， 每 个 单 词 都 是 一 个 随 机 N 维 向 量，经过训练之后， 利用 CBOW 或者 Skip-Gram方法获得每个单词的最优向量。  CBOW模型结构 输入层是上下文的词语的词向量，是CBOW模型的一个参数。训练开始的时候，词向量是个随机值，随着训练的进行不断被更新。当模型训练完成之后可以获得较为准确的词向量。 O(|V|) 时间复杂度： O(log2(|V|)) CBOW模型结构——霍夫曼树 在训练阶段，当给定一个上下文，要预测词(Wn)的时候，实际上知道要的是哪个词(Wn)，而Wn是肯定存在于二叉树的叶子节点的，因此它必然有一个二进制编号，如“010011”，那么接下来我们就从二叉树的根节点一个