VecMap: unsupervised cross-lingual mappings of word embeddings（精细解读与Python实例分析）

Cross-lingual embedding mappings 是NLP（或机器翻译）中一个常见的基础任务。通常，要使用神经网络来实现一些NLP的任务，我们需要为每个单词找到一个numerical representation/real vector。这种任务可以由word2vec过程来完成（具体方法有CBOW 和 skip-grams）。但一种语言的语料库只能生成一套word embeddings。在进行机器翻译的时候，我们要面对的是两种（及以上）不同的语言，这时就需要利用Cross-lingual embedding mappings 来 learn bilingual word embeddings。如下图所示，the underlying idea is to independently train the embeddings in different languages using monolingual corpora, and then map them to a shared space through a linear transformation.

本文主要分析ACL 2018的一篇相关论文：

A robust self-learning method for fully unsupervised cross-lingual mappings of word embeddings

并通过具体的例子演示该算法的效果

一、背景介绍

目前比较流行的方法可以分为如下两类&#