自然语言处理与词嵌入-吴恩达深度学习笔记

自然语言处理与词嵌入

词汇表征(Word Representation)

#

Visualizing word embeddings——t-SNE算法

在这里插入图片描述
在这里插入图片描述

Properties of Word Embeddings——Cosine similarity

在这里插入图片描述
在这里插入图片描述

Embedding matrix

在这里插入图片描述

学习词嵌入(Learning Word Embeddings)

Word2Vec

在这里插入图片描述

Skip-Gram模型

在这里插入图片描述
在这里插入图片描述

负采样(Negative Sampling)

将多分类问题转化成若干个(较少的)二分类问题,负采样根据如下分布随机采样: P ( w i ) = f ( w i ) 3 4 ∑ j = 1 10 , 000 f ( w j ) 3 4 P\left(w_{i}\right)=\frac{f\left(w_{i}\right)^{\frac{3}{4}}}{\sum_{j=1}^{10,000} f\left(w_{j}\right)^{\frac{3}{4}}} P(wi)=j=110,000f(wj)43f(wi)43

在这里插入图片描述
在这里插入图片描述

GloVe 词向量(GloVe Word Vectors)

在这里插入图片描述

算法思想
在这里插入图片描述

权重选取在这里插入图片描述

估计参数取均值
在这里插入图片描述

情感分类(Sentiment Classification)

平均值运算-情感分类算法

在这里插入图片描述

RNN-情感分类算法

在这里插入图片描述

词嵌入除偏(Debiasing Word Embeddings)

  1. 确定bias direction
  2. 去除偏差,使得其在bias轴的垂直方向,从而与bias无关
  3. 使得bias的元素点与原点的距离相同

在这里插入图片描述

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值