denotational: 指称性
wordnet依靠专家的知识,建立了同义词(synonym)和IS-A关系词(hypernym).
使用方法:见https://blog.csdn.net/King_John/article/details/80252594
2012年之前:bag of words 模型(离散式语义)
bag of words 的致命问题:
- 语料稍微大一点,词语对应的矩阵就会非常大且稀疏。
- 每两个词语的表示都是正交的,也就是similarity=0. 这显然是很糟糕的。比如,我们在搜索"Seattle motel"的时候,也希望能显示"Seattle hotel"的结果。
分布式语义
算法刚开始时,vocab中的每个单词的向量都随机初始化。之后遍历整个corpus text中的每一个位置,有中心词c和周围词o,不断地调整词向量,使得p(o|c)或者p(c|o)的概率最大。
- 与越接近,其点积就越大。(c:center, o: outside)
- softmax 的名字包含两种含义:1. “max”表示它使最大的值更加放大(exp函数特点) 2. 对于那些不是最大值的值,softmax也给了它们一定的小值,而不是像hardmax那样采用one-hot编码,让非最大值的值都为0.
总共有V个词语,每个词语都有两个表示(在中心、在周围),每个表示的维度为d。所以,总共需要有2dV个参数。