关闭

Word2vec 句向量模型PV-DM与PV-DBOW原论文翻译

标签: 机器学习自然语言处理语言模型神经网络
2064人阅读 评论(0) 收藏 举报
分类:

原文:LE, Quoc V.; MIKOLOV, Tomas. Distributed representations of sentences and documents. arXiv preprint arXiv:1405.4053, 2014.

这篇论文提出了一个使用Word2vec的原理创建句子的特征向量的方法,阅读需要先掌握Word2vec的相关知识,这里推荐一篇博文《Word2vec 中的数学原理详解》,这篇博文中有非常详细的关于Word2vec的介绍,对作者表示感谢。我首先翻译这篇论文的两个核心章节2.2和2.3,这两个章节讲述了算法的PV-DM版本与PV-DBOW的核心理论,后续会陆续补充注解和其它相关章节。有认识不到位的地方,请各位朋友帮助指正。

2.2 句向量:一个分布记忆模型

在我们的句(Paragraph)向量模型中,每一个句子都被映射成一个独立的向量,这个句向量作为矩阵 D 的一列;同时,每一个词也被映射成一个独立的向量,这个词向量作为矩阵 W 的一列。对这个句向量和这些词向量求平均或者首尾相连,用来预测文本中的下一个词。在本研究的试验中,我们选用首尾相连来组合这些矩阵。
严格的说,与公式1(Word2vec的公式)相比,唯一的不同点在于这里从 WD 两个矩阵中构造 h
句子的标识(Token)被当做另外一个“词”看待。它扮演一个“Memory”的角色,用来记忆当前文本或文章主题中漏掉了什么。因此,我们把这个模型称为“句向量的分布记忆模型”(PV-DM: Distributed Memory Model of Paragraph Vectors)。
上下文是固定长度的,从句子的一个滑动窗口中取样。句向量被限制在一个句子的所有上下文里面,但不超越句子。但是词向量矩阵 W 是超越句子的。比如说,”powerful”的词向量也对所有的句子有效。
我们通过随机梯度下降法来训练这些句向量和词向量,在此过程中通过反向传播获得梯度。在随机梯度下降的每一步,都可以从一个随机的句子中抽取一个定长的上下文,如图2从网络中计算出梯度误差,然后更新模型的参数。
在预测阶段,需要执行一个“推断(inference)”步骤计算新句子的句向量。他也是通过梯度上升来获取。在这个阶段,其余的模型参数、词向量矩阵 W 和 softmax 权重是固定的。
假设语料库中有 N 个句子,字典里有 M 个词汇;我们试图将每一个句子映射到 p 维空间,每一个词映射到 q 维空间,于是这个模型就有总共 N×p+M×q 个参数(包括softmax参数)。即使句子的数量会随着 N 的增大而增大,训练中的更新还是稀疏且高效。


图2:这是一个句向量框架。这个框架类似于图1中的框架。唯一不同点在于增加了一个句子标识(Token),这个标识被映射到矩阵 D 的一个向量里。在这个模型里,通过对上下文三个词向量的首尾相接或求均值,来预测第四个词。这个句向量表示从当前上下文而来的缺失的信息,被当做一个关于句子主题的存储器。

经过训练,这些句向量就可以当做句子的特征使用。我们可以把这些特征直接用于传统的机器学习技术,比如逻辑回归、支持向量机或者K-means聚类。
总而言之,这个算法有两个关键阶段:1)通过训练获得词向量矩阵 W, softmax权重 U, b 以及 句向量 D 从已知的句子里;2)第二个阶段是推断阶段,用于取得一个新句子(没有出现过)的句向量 D,通过增加更多的列在矩阵 D 里,并保持 W, U, b 不变的情况下在矩阵 D 上进行梯度下降。我们使用 D 通过一个基础的分类器给句子加上标签。
句向量的优点: 句向量的一个重要的优点在于,它的训练集是没有被加上标签的数据,因此它可以被用于一些训练样本标签不足的任务。
句向量也解决了词袋模型的一些关键的弱点。第一,它传承了词向量的一个重要特性——词和词之间的语义。在语义里,“强有力”比起“巴黎”来说,和“强壮”更接近。句向量的第二个优点在于它考虑到了“词序(word order)”,n-gram模型则需要设置一个较大的n才能做到。这一点很重要,因为n-gram模型保存了句子中大量的信息,包括词序。也就是说,我们的模型优于词袋n-gram模型因为后者会表现出一个极高的维度,这会影响效率。

2.3 无词序句向量:分布词袋模型

上面的方法讨论了在一个文本窗口内,通过句向量和词向量的首尾相接来预测下一个词。另一种方法不把上下文中的词作为输入,而是强制这个模型在输出中从句子中随机抽取词汇来进行预测。实际上,其意义在于在每一个随机梯度下降的循环中,我们抽取一个文本窗口,然后从这个文本窗口中抽取一个词,然后通过一个分类任务得到句向量。这项技术如图3所示。我们把这个版本称为句向量的分布词袋(PV-DBOW: Distributed Bag of Words version of Paragraph Vector)版本,相比于上一节提到的PV-DM版本。


图3:句向量的分布词袋版本。在这个版本中,句向量被训练出来,用来预测在一个小窗口中的词汇。

除了在概念上简单以外,这个模型只需要存储少量的数据。相比于上一个模型需要存储softmax权重和词向量,这个模型只需要存储softmax权重。同样的,这个模型也近似于Skip-gram模型。
在我们的试验中,每一个句向量都是两个向量的组合:一个通过PV-DM训练,另一个通过PV-DBOW训练。PV-DM能够很好地执行多种任务,但是它结合PV-DBOW后,常常能够更加出色完成任务,此我们强烈推荐这种做法。

未完待续。

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:2454次
    • 积分:42
    • 等级:
    • 排名:千里之外
    • 原创:1篇
    • 转载:0篇
    • 译文:1篇
    • 评论:0条
    文章存档