理解GloVe模型(Global vectors for word representation)

理解GloVe模型

概述

  • 模型目标:进行词的向量化表示,使得向量之间尽可能多地蕴含语义和语法的信息。
  • 输入:语料库
  • 输出:词向量
  • 方法概述:首先基于语料库构建词的共现矩阵,然后基于共现矩阵和GloVe模型学习词向量。
Created with Raphaël 2.1.0开始统计共现矩阵训练词向量结束

统计共现矩阵

设共现矩阵为X,其元素为Xi,j
Xi,j的意义为:在整个语料库中,单词i和单词j共同出现在一个窗口中的次数。
举个栗子:
设有语料库:

i love you but you love him i am sad

这个小小的语料库只有1个句子,涉及到7个单词:i、love、you、but、him、am、sad。
如果我们采用一个窗口宽度为5(左右长度都为2)的统计窗口,那么就有以下窗口内容:

窗口标号 中心词 窗口内容
0 i i love you
1 love i love you but
2 you i love you but you
3 but love you but you love
4 you you but you love him
5 love but you love him i
6 him you love him i am
7 i love him i am sad
8 am him i am sad
9 sad i am sad

窗口0、1长度小于5是因为中心词左侧内容少于2个,同理窗口8、9长度也小于5。
以窗口5为例说明如何构造共现矩阵:
中心词为love,语境词为but、you、him、i;则执行:

Xlove,but+=1

Xlove,you+=1

Xlove,him+=1

Xlove,i+=1

使用窗口将整个语料库遍历一遍,即可得到共现矩阵X

使用GloVe模型训练词向量

模型公式

先看模型,代价函数长这个样子:

J=i,jNf(Xi,j)(vTivj+bi+bjlog(Xi,j))2

vivj是单词i和单词j的词向量,bibj是两个标量(作者定义的偏差项),f是权重函数(具体函数公式及功能下一节介绍),N是词汇表的大小(共现矩阵维度为NN)。
可以看到,GloVe模型没有使用神经网络的方法。

模型怎么来的

那么作者为什么这么构造模型呢?首先定义几个符号:

Xi=j=1NXi,j

其实就是矩阵单词i那一行的和;
Pi,k=Xi,kXi

条件概率,表示单词k出现在单词i语境中的概率;
ratioi,j,k=Pi,kPj,k

两个条件概率的比率。
作者的灵感是这样的:
作者发现,ratioi,j,k这个指标是有规律的,规律统计在下表:

ratioi,j,k的值 j,k相关 j,k不相关
i,k相关 趋近1 很大
i,k不相关 很小 趋近1

很简单的规律,但是有用。
思想:假设我们已经得到了词向量,如果我们用词向量vivjvk通过某种函数计算ratioi,j,k,能够同样得到这样的规律的话,就意味着我们词向量与共现矩阵具有很好的一致性,也就说明我们的词向量中蕴含了共现矩阵中所蕴含的信息。
设用词向量vivjvk计算ratioi,j,k的函数为g(vi,vj,vk)(我们先不去管具体的函数形式),那么应该有:

Pi,kPj,k=ratioi,j,k=g(vi,vj,vk)

即:
Pi,kPj,k=g(vi,vj,vk)

即二者应该尽可能地接近;
很容易想到用二者的差方来作为代价函数:
J=i,j,kN(Pi,kPj,kg(vi,vj,vk))2

但是仔细一看,模型中包含3个单词,这就意味着要在NNN的复杂度上进行计算,太复杂了,最好能再简单点。
现在我们来仔细思考g(vi,vj,vk),或许它能帮上忙;
作者的脑洞是这样的:
1. 要考虑单词i和单词j之间的关系,那g(vi,vj,vk)中大概要有这么一项吧:vivj;嗯,合理,在线性空间中考察两个向量的相似性,不失线性地考察,那么vivj大概是个合理的选择;
2. ratioi,j,k是个标量,那么g(vi,vj,vk)最后应该是个标量啊,虽然其输入都是向量,那內积应该是合理的选择,于是应该有这么一项吧:(vivj)Tvk
3. 然后作者又往(vivj)Tvk的外面套了一层指数运算exp(),得到最终的g(vi,vj,vk)=exp((vivj)Tvk)
最关键的第3步,为什么套了一层exp()
套上之后,我们的目标是让以下公式尽可能地成立:
Pi,kPj,k=g(vi,vj,vk)

即:
Pi,kPj,k=exp((vivj)Tvk)

即:
Pi,kPj,k=exp(vTivkvTjvk)

即:
Pi,kPj,k=exp(vTivk)exp(vTjvk)

然后就发现找到简化方法了:只需要让上式分子对应相等,分母对应相等,即:
Pi,k=exp(vTivk)Pj,k=exp(vTjvk)

然而分子分母形式相同,就可以把两者统一考虑了,即:
Pi,j=exp(vTivj)

本来我们追求:
Pi,kPj,k=g(vi,vj,vk)

现在只需要追求:
Pi,j=exp(vTivj)

两边取个对数:
log(Pi,j)=vTivj

那么代价函数就可以简化为:
J=i,jN(log(Pi,j)vTivj)2

现在只需要在NN的复杂度上进行计算,而不是NNN,现在关于为什么第3步中,外面套一层exp()就清楚了,正是因为套了一层exp(),才使得差形式变成商形式,进而等式两边分子分母对应相等,进而简化模型。
然而,出了点问题。
仔细看这两个式子:
log(Pi,j)=vTivjlog(Pj,i)=vTjvi

log(Pi,j)不等于log(Pj,i)但是vTivj等于vTjvi;即等式左侧不具有对称性,但是右侧具有对称性。
数学上出了问题。
补救一下好了。
现将代价函数中的条件概率展开:
log(Pi,j)=vTivj

即为:
log(Xi,j)log(Xi)=vTivj

将其变为:
log(Xi,j)=vTivj+bi+bj

即添了一个偏差项bj,并将log(Xi)吸收到偏差项bi中。
于是代价函数就变成了:
J=i,jN(vTivj+bi+bjlog(Xi,j))2

然后基于出现频率越高的词对儿权重应该越大的原则,在代价函数中添加权重项,于是代价函数进一步完善:
J=i,jNf(Xi,j)(vTivj+bi+bjlog(Xi,j))2

具体权重函数应该是怎么样的呢?
首先应该是非减的,其次当词频过高时,权重不应过分增大,作者通过实验确定权重函数为:
f(x)={(x/xmax)0.75,1,if x<xmaxif x>=xmax

到此,整个模型就介绍完了。

说明

如果错误,敬请指正。

阅读更多
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/coderTC/article/details/73864097
个人分类: machine learning NLP
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

不良信息举报

理解GloVe模型(Global vectors for word representation)

最多只允许输入30个字

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭