python深度学习进阶（自然语言处理）—word2vec

最新推荐文章于 2024-02-28 15:14:46 发布

诗雨时

最新推荐文章于 2024-02-28 15:14:46 发布

阅读量1.3k

点赞数

分类专栏：人工智能（深度学习进阶）

本文链接：https://blog.csdn.net/weixin_38477351/article/details/117192148

版权

人工智能（深度学习进阶）专栏收录该内容

2 篇文章 2 订阅

订阅专栏

python深度学习进阶（自然语言处理）—word2vec

摘要

基于推理的方法以预测为目标，同时获得了作为副产物的单词的分布式表示。
word2vec 是基于推理的方法，由简单的 2 层神经网络构成。
word2vec 有 skip-gram 和 CBOW 模型。
CBOW 模型从多个单词（上下文）预测 1 个单词（目标词）。
skip-gram 模型反过来从 1 个单词（目标词）预测多个单词（上下文）。
由于 word2vec 可以进行权重的增量学习，所以能够高效地更新或添加单词的分布式表示。

1. 基于推理的方法和神经网络

1.1 基于计数的方法的问题

基于计数的方法获得单词的分布式表示：使用整个语料库的统计数据（共现矩阵和 PPMI 等），通过一次处理（SVD 等）获得单词的分布式表示。

基于推理的方法获得单词的分布式表示：使用神经网络，通常在 mini-batch 数据上进行学习。

对于一个 $n * n$ 的矩阵，SVD 的复杂度是 $O(n^{3})$ ，这表示计算量与 $n$ 的立方成比例增长。如此大的计算成本，即便是超级计算机也无法胜任。实际上，利用近似方法和稀疏矩阵的性质，可以在一定程度上提高处理速度，但还是需要大量的计算资源和时间。

在现实世界中，语料库处理的单词数量非常大。比如，英文的词汇量多达 100w+。如此之大的词汇量，如果使用基于计数的方法就需要生成一个 100w * 100w 的庞大矩阵，对如此庞大的矩阵执行 SVD 显然是不现实的。

基于计数的方法和基于推理的方法的比较：

（1）基于计数的方法一次性处理全部学习数据；基于推理的方法使用部分学习数据逐步学习。

（2）神经网络的学习可以使用多台机器、多个 GPU 并行执行，从而加速整个学习过程。

1.2 基于推理的方法的概要

基于推理的方法的主要操作是 “推理”。如图 3-2 所示，当给出周围的单词（上下文）时，预测 “?” 处会出现什么单词，这就是推理。

解开图 3-2 中的推理问题并学习规律，就是基于推理的方法的主要任务。通过反复求解这些推理问题，可以学习到单词的出现模式。从 “模式视角” 出发，这个推理问题如图 3-3 所示。

基于推理的方法的全貌：使用语料库来学习模型，使之能做出正确的预测。另外，作为模型学习的产物，我们得到了单词的分布式表示。

（1）引入某种模型，将神经网络用于此模型；

（2）模型接收上下文信息作为输入，并输出（可能出现的）各个单词的出现概率。

1.3 神经网络中单词的处理方法

将单词表示为文本、单词ID和 one-hot 表示：

要将单词转化为 one-hot 表示，就需要准备元素个数与词汇个数相等的向量，并将单词 ID 对应的元素设为 1，其他元素设为 0。像这样，只要将单词转化为固定长度的向量，神经网络的输入层的神经元个数就可以固定下来（图 3-5）。

图 3-5 输入层的神经元：各个神经元对应于各个单词。图中神经元为 1 的地方用蓝色绘制，为 0 的地方用白色绘制

如图 3-5 所示，输入层由 7 个神经元表示，分别对应于 7 个单词（第 1 个神经元对应于 you，第 2 个神经元对应于 say）。

基于神经网络的全连接层的变换：

如图 3-6 所示，全连接层通过箭头连接所有节点。这些箭头拥有权重（参数），它们和输入层神经元的加权和成为中间层的神经元。

图 3-7 基于全连接层的变换的简化图示：将全连接层的权重表示为一个 7 x 3 形状的 W 矩阵

Python 代码实现基于神经网络的全连接层的变换：

import numpy as np


class MatMul:
    def __init__(self, W):
        self.params = [W]
        self.grads = [np.zeros_like(W)]
        self.x = None

    def forward(self, x):
        W, = self.params
        out = np.dot(x, W)
        self.x = x
        return out

    def backward(self, dout):
        W, = self.params
        dx = np.dot(dout, W.T)
        dW = np.dot(self.x.T, dout)
        self.grads[0][...] = dW
        return dx

"""基于神经网络全连接层的变换"""

import sys
sys.path.append("..")
import numpy as np

from common.layers import MatMul

C = np.array([[1, 0, 0, 0, 0, 0, 0]])    # 输入
W = np.random.randn(7, 3)    # 权重

# 方案一
h = np.dot(C, W)    # 中间节点
print(h)
# 方案二
layer = MatMul(W)
h = layer.forward(C)    # 中间节点
print(h)

[[-0.00183343 -0.41558399  0.13295223]]
[[-0.00183343 -0.41558399  0.13295223]]

矩阵 C：one-hot 表示，单词 ID 对应的元素是 1，其他地方都是 0。

上述代码的 C 和 W 的矩阵乘积相当于 “提取” 权重的对应行向量。

2. 简单的 word2vec

2.1 CBOW 模型的推理

continuous bag-of-words（CBOW）模型：根据上下文预测目标词的神经网络（“目标词” 是指中间的单词，它周围的单词是 “上下文”）。通过训练这个 CBOW 模型，使其尽可能地进行正确的预测，我们可以获得单词的分布式表示。

CBOW 模型的输入是上下文。这个上下文用 ["you", "goodbye"] 这样的单词列表表示。我们将其转换为 one-hot 表示，以便 CBOW 模型可以进行处理。在此基础上，CBOW 模型的神经网络可以画成图 3-9 这样。

从输入层到中间层神经元的变换由相同的全连接层（权重为 $W_{in}$ ）完成；从中间层到输出层神经元的变换由另一个全连接层（权重为 $W_{out}$ ）完成。

输入层：2 个输入层。这里，因为我们对上下文仅考虑两个单词，所以输入层有 2 个。如果对上下文考虑 N 个单词，则输入层会有 N 个。

中间层：中间层的神经元是各个输入层经全连接层变换后得到的值的 “平均”。就上面的例子而言，经全连接层变换后，第 1 个输入层转化为 h1，第 2 个输入层转化为 h2，那么中间层的神经元是 $\frac{1}{2}(h1 + h2)$ 。

输出层：输出层有 7 个神经元。这些神经元对应于各个单词。输出层的神经元是各个单词的得分（被解释为概率之前的值），它的值越大，说明对应单词出现的概率（对得分应用 Softmax 函数，得到概率）就越高。

权重的各行对应各个单词的分布式表示：

如图 3-10 所示，权重 $W_{in}$ 的各行保存着各个单词的分布式表示。通过反复学习，不断更新各个单词的分布式表示，以正确地从上下文预测出应当出现的单词。

中间层的神经元数量比输入层少。

中间层需要将预测单词所需的信息压缩保存，从而产生密集的向量表示。这时，中间层被写入了我们人类无法解读的代码，这相当于 “编码” 工作。而从中间层的信息获得期望结果的过程则称为 “解码”。这一过程将被编码的信息复原为我们可以理解的形式。

层视角下的 CBOW 模型的网络结构：

（1）CBOW 模型一开始有两个 MatMul 层，这两个层的输出被加在一起；

（2）对这个相加后得到的值乘以 0.5 求平均，可以得到中间层的神经元；

（3）将另一个 MatMul 层应用于中间层的神经元，输出得分。

Python 实现 CBOW 模型的推理：

"""CBOW 模型的推理"""

import sys
import numpy as np
sys.path.append("..")

from common.layers import MatMul


# 样本的上下文数据
c0 = np.array([[1, 0, 0, 0, 0, 0, 0]])
c1 = np.array([[0, 0, 1, 0, 0, 0, 0]])

# 权重的初始值
W_in = np.random.randn(7, 3)
W_out = np.random.randn(3, 7)

# 生成层
in_layer0 = MatMul(W_in)
in_layer1 = MatMul(W_in)
out_layer = MatMul(W_out)

# 正向传播
h0 = in_layer0.forward(c0)
h1 = in_layer1.forward(c1)
h = 0.5 * (h0 + h1)
s = out_layer.forward(h)

print(s)

[[ 0.20642852 -0.04648919  0.1134865  -0.34961565 -0.46868242  0.68511301  -0.04560098]]

2.2 CBOW 模型的学习

CBOW 模型只是学习语料库中单词的出现模式。如果语料库不一样，学习到的单词的分布式表示也不一样。比如，只使用 “体育” 相关的文章得到的单词的分布式表示，和只使用 “音乐” 相关的文章得到的单词的分布式表示将有很大不同。

学习过程：

(1) 使用 Softmax 函数将得分转化为概率；

(2) 求这些概率和监督标签之间的交叉熵误差，并将其作为损失进行学习。

图 3-13 将 Softmax 层和 Cross Entropy Error 层统一为 Softmax with Loss 层的学习时的 CBOW 模型的神经网络

2.3 word2vec 的权重和分布式表示

输入侧和输出侧的权重都可以被视为单词的分布式表示：

(1) 输入侧的全连接层的权重 $W_{in}$ ：每一行对应于各个单词的分布式表示。

(2) 输出侧的全连接层的权重 $W_{out}$ ：在列方向上保存了各个单词的分布式表示。

最终应该使用哪个权重作为单词的分布式表示呢？

A. 只使用输入侧的权重（word2vec 中，最受欢迎）

B. 只使用输出侧的权重

C. 同时使用两个权重值

在采用方案 C 的情况下，根据如何组合这两个权重，存在多种方式，其中一个方式就是简单地将这两个权重相加。

3. 学习数据的准备

3.1 上下文的目标词

word2vec 中使用的神经网络的输入是上下文，它的正确解标签是被这些上下文包围在中间的单词，即目标词。也就是说，我们要做的事情是，当向神经网络输入上下文时，使目标词出现的概率高（为了达成这一目标而进行学习）。

3.2 转化为 one-hot 表示

4. CBOW 模型的实现

5. word2vec 的补充说明

5.1 CBOW 模型和概率

5.2 skip-gram 模型

5.3 基于计数与基于推理

诗雨时

关注

0
点赞
踩
8

收藏

觉得还不错? 一键收藏
1
评论
python深度学习进阶（自然语言处理）—word2vec

python深度学习进阶（自然语言处理）—word2vec摘要基于推理的方法以预测为目标，同时获得了作为副产物的单词的分布式表示。 word2vec是基于推理的方法，由简单的 2层神经网络构成。 word2vec有 skip-gram和 CBOW模型。 CBOW模型从多个单词（上下文）预测 1个单词（目标词）。 skip-gram模型反过来从 1个单词（目标词）预测多个单词（上下文）。由于word2vec可以进行权重的增量学习，所以能够高效地更新或添加单词的分...
复制链接

扫一扫