词处理之词向量

概念

把词转换成数值形式,或者说——嵌入到一个数学空间里,这种嵌入方式,就叫词嵌入(word embedding),而 Word2vec,就是词嵌入( word embedding) 的一种。

词的表示

  • one-hot
  • word embedding,腾讯AI Lab有训练好的词向量,TensorFlow中embedding层也可以
  • word2vec,gensim工具包提供使用

word2vec

1.跳字模型(skip-gram)

将CBOW模型倒过来

2.连续词袋模型(continuous bag of words,简称CBOW)
  • 算法过程:
    1.输入层:上下文单词的onehot。(假设单词向量空间dim为V,上下文单词个数为C)
    2.所有onehot分别乘以共享的输入权重矩阵W(VN矩阵,N为自己设定的数,初始化权重矩阵W)
    3.所得的向量 (注意onehot向量乘以矩阵的结果) 相加求平均作为隐层向量, size为1
    N.
    4.乘以输出权重矩阵W’ {NV}
    5.得到向量 {1
    V} 激活函数处理得到V-dim概率分布 {PS: 因为是onehot嘛,其中的每一维斗代表着一个单词},概率最大的index所指示的单词为预测出的中间词(target word)
    6.与true label的onehot做比较,误差越小越好。loss function(一般为交叉熵代价函数)
  • 示意图
    在这里插入图片描述
    在这里插入图片描述
3.训练注意事项:

1.负采样(negative sampling)
2.层序softmax(hierarchical softmax)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值