1.计算机中如何表示一个词语
- 和frog最接近的前7个单词有哪些
1.1 向量空间分布的相似性
计算机中表示的词语需要满足向量空间分布的相似性,向量空间模型(VSM:Vector space model)是最常用的相似度计算模型,在自然语言处理中有着广泛的应用.
1.3 向量空间分布子结构
计算机中表示的词语同样需要满足向量空间子结构,学习的词向量模型最终目标是将词向量作为机器学习,特别是深度学习的输入和表示空间。
2. 词向量的概念及问题
2.1 词向量的概念
- 在自然语言处理的任务中,词向量(word2vec)是表示自然语言中单词的一种方法,即把每个词都表示为一个N维空间内的点,即一个高维空间内的向量。通过这种方法,实现把自然语言转换为向量计算。
- 词向量表示时会有哪些问题?词的关系如何表示?
- 不能分辨细节的差别
- 需要大量的人为劳动
- 主观
- 无法发现新词
- 难以精确计算词之间的相似度
- 实现词向量的两大挑战
3 词向量的使用
3.1 词向量的查询
- 自然语言是离散信号,比如“我”、“爱”、“人工智能。通常情况下,可以维护一个词向量查询表,实现单词转换为向量的目的,这个查询过程称之为Embeding Lookup。
3.2 词向量的张量计算
- 通过One-hot编码存储词向量的索引,并通过Embedding Matrix和GPU的张量计算获得单词的词向量表示: