word2vec

word2vec 数学推导

word2vec 是一种训练词向量的工具，可以将词库中的所有词语映射到 \(k\) 维的向量中。主要有两种训练方式，CBOW 和 skip-gram，CBOW 根据上下文来预测目标单词，skip-gram 根据目标单词来预测上下文。下面进行两种方式的数学推导。

CBOW

1. One-word context

假设词表大小为 \(V\)，隐藏层大小为 \(N\)，input-hidden 权重矩阵为 \(W_{V*N}\)，其中第 \(k\) 行的转置为 \(v_k\)，hidden-output 的权重矩阵为 \(W'_{N*V}\)，其中第 \(j\) 列为 \(v'_j\)。计算过程如下：
\[h = v_k\]
\[u_j = {v'_j}^T * h\]
后验概率为：\(p(w_j|w_I) = y_j = \frac{exp(u_j)}{\sum_{j'=1}^{V}exp(u_{j'})}\)，使用交叉墒损失函数：
\[E = -\sum_{j=1}^{V}\widehat{y}_jlogy_j = -\sum_{j=1}^{V}\widehat{y}_j(u_j - log(\sum_{j'=1}^{V}exp(u_{j'})))\]
\(E\) 对 \(u_j\) 求导：
\[\frac{\partial{E}}{\partial{u_j}} = y_j - \widehat{y}_j\]
即预测概率值与真实概率值的差。

转载于:https://www.cnblogs.com/herokk/p/11210928.html