python自然语言处理—Word2vec模型之 skip-gram 与 cbow 比较

                                      Word2vec模型之 skip-gram 与 cbow 比较

 

cbow 和 skip-gram 都是在 word2vec 中用于将文本进行向量表示的实现方法，具体的算法可查看 Word2vec模型之Skip-gram 和 Word2vec模型之 CBOW。

一、计算复杂度O

    1、cbow O(V)

        在 cbow 方法中，是用周围词预测中心词，从而利用中心词的预测结果情况，使用GradientDesent方法（梯度下降方法），不断的去调整周围词的向量。当训练完成之后，每个词都会作为中心词，把周围词的词向量进行了调整，这样也就获得了整个文本里面所有词的词向量。

        要注意的是， cbow 的对周围词的调整是统一的：求出的 gradient 的值会同样的作用到每个周围词的词向量当中去。

        可以看到，cbow 预测行为的次数跟整个文本的词数几乎是相等的（每次预测行为才