神经概率语言模型中,将单词映射到词向量后,需要经过一个隐藏层,再输出层。word2vec为了简化计算,去掉了隐藏层,此外,使用了层次softmax或negative sampling。
CBOW与Skip-gram的比较:
CBOW训练速度更快
Skip-gram数据量较少,有生僻词的情况下,得到的词向量更准确
在 Google Groups 中,Milokov 提到:
“Skip-gram: works well with small amount of the training data, represents well even rare words or phrases
CBOW: several times faster to train than the skip-gram, slightly better accuracy for the frequent words
基于普通softmax的CBOW公式推导:
有个小不足,应该取平均,而非加和。 h = 1 C ∑