【NLP】GloVe原理详解

最新推荐文章于 2024-01-28 21:40:15 发布

马苏比拉米G

最新推荐文章于 2024-01-28 21:40:15 发布

阅读量3.9k

点赞数 12

分类专栏： NLP

本文链接：https://blog.csdn.net/weixin_44388679/article/details/102670211

版权

NLP 专栏收录该内容

18 篇文章 3 订阅

订阅专栏

一、什么是GloVe

模型目标：进行词的向量化表示，使得向量之间尽可能多地蕴含语义和语法的信息。
输入：语料库
输出：词向量
方法概述：首先基于语料库构建词的共现矩阵，然后基于共现矩阵和GloVe模型学习词向量。

二、GloVe的实现步骤

在这里插入图片描述

1、构建共现矩阵

设共现矩阵为 $X$ ，其元素为 $\displaystyle X_{i,j}$ 。
$\displaystyle X_{i,j}$ 的意义为：在整个语料库中，单词i和单词j共同出现在一个窗口中的次数。
举个栗子：
设有语料库：i love you but you love him i am sad
这个小小的语料库只有1个句子，涉及到7个单词：i、love、you、but、him、am、sad。
如果我们采用一个窗口宽度为5（左右长度都为2）的统计窗口，那么就有以下窗口内容：

窗口标号	中心词	窗口内容
0	i	i love you
1	love	i love you but
2	y	i love you but you
3	but	ove you but you love
4	you	you but you love him
5	love	but you love him i
6	him	you love him i am
7	i	love him i am sad
8	am	him i am sad
9	sad	i am sad

窗口0、1长度小于5是因为中心词左侧内容少于2个，同理窗口8、9长度也小于5。
以窗口5为例说明如何构造共现矩阵：
中心词为love，语境词为but、you、him、i；则执行：
$\displaystyle X_{love,but} +=1$
$\displaystyle X_{love,you} +=1$
$\displaystyle X_{love,him} +=1$
$\displaystyle X_{love,i} +=1$
使用窗口将整个语料库遍历一遍，即可得到共现矩阵X：
在这里插入图片描述

2、使用GloVe模型训练词向量

（1）模型怎么来的

矩阵单词i那一行的和：
$\displaystyle X_{i} =\sum ^{N}_{j} X_{i,j}$
条件概率，表示单词k出现在单词i语境中的概率：
$\displaystyle P_{i,k} =\frac{X_{i,k}}{X_{i}}$
两个条件概率的比率：
$\displaystyle ratio_{i,j,k} =\frac{P_{i,k}}{P_{j,k}}$

作者发现，ratioi,j,k这个指标是有规律的，规律统计在下表：

$\displaystyle ratio_{i,j,k}$ 的值	单词 $j, i$ 相关	单词 $j, i$ 不相关
单词 $i, j$ 相关	趋近1	很大
单词 $i, j$ 不相关	很小	趋近1

思想：假设已经得到了词向量，如果用词向量 $\displaystyle v_{i}$ 、 $\displaystyle v_{j}$ 、 $\displaystyle v_{k}$ 通过某种函数计算 $\displaystyle ratio_{i,j,k}$ ，能够同样得到这样的规律的话，就意味着我们词向量与共现矩阵具有很好的一致性，也就说明词向量中蕴含了共现矩阵中所蕴含的信息。
设用词向量 $\displaystyle v_{i}$ 、 $\displaystyle v_{j}$ 、 $\displaystyle v_{k}$ 计算 $\displaystyle ratio_{i,j,k}$ 的函数为 $\displaystyle g( v_{i} ,v_{j} ,v_{k})$ (先不去管具体的函数形式），那么应该有：
$\displaystyle\frac{P_{i,k}}{P_{j,k}}=ratio_{i,j,k} =g( v_{i} ,v_{j} ,v_{k})$
即：
$\displaystyle\frac{P_{i,k}}{P_{j,k}} =g( v_{i} ,v_{j} ,v_{k})$
$\displaystyle ratio_{i,j,k}$ 越趋向于1，表示单词以k为中心词时i，j越相关。则 $\displaystyle P_{i,k}$ , $\displaystyle P_{j,k}$ 越接近。
（2）损失函数
由上面推到很容易想到用二者的差方来作为代价函数：
$\displaystyle J=\sum ^{N}_{i,j} f( X_{i,j})\left( v^{T}_{i} v_{j} +b_{i} +b_{j} -log( X_{i,j})\right)^{2}$
但是仔细一看，模型中包含3个单词，这就意味着要在N∗N∗N的复杂度上进行计算，太复杂了，最好能再简单点。
作者的脑洞是这样的，仔细思考 $\displaystyle g( v_{i} ,v_{j} ,v_{k})$ ：

要考虑单词 $i$ 和单词 $j$ 之间的关系，那 $\displaystyle g( v_{i} ,v_{j} ,v_{k})$ 中大概要有这么一项吧： $\displaystyle v_{i} -v_{j}$ ；嗯，合理，在线性空间中考察两个向量的相似性，不失线性地考察，那么 $\displaystyle v_{i} -v_{j}$ 大概是个合理的选择；
$\displaystyle ratio_{i,j,k}$ 是个标量，那么 $\displaystyle g( v_{i} ,v_{j} ,v_{k})$ 最后应该是个标量，因为其输入都是向量，所以內积应该是合理的选择，于是应该有这么一项吧： $\displaystyle ( v_{i} -v_{j})^{T} v_{k}$ 。
然后作者又往 $\displaystyle ( v_{i} -v_{j})^{T} v_{k}$ 的外面套了一层指数运算 $e x p ()$ ，得到最终的 $\displaystyle g( v_{i} ,v_{j} ,v_{k})=exp\left(( v_{i} -v_{j})^{T} v_{k}\right)$ ；
最关键的第3步，为什么套了一层exp()？
套上之后，我们的目标是让以下公式尽可能地成立：
$\displaystyle\frac{P_{i,k}}{P_{j,k}} =g( v_{i} ,v_{j} ,v_{k})$
即：
$\displaystyle\frac{P_{i,k}}{P_{j,k}}=exp\left(( v_{i} -v_{j})^{T} v_{k}\right)$
即：
$\displaystyle\frac{P_{i,k}}{P_{j,k}}= \frac{exp\left( v^{T}_{i} v_{k}\right)}{exp\left( v^{T}_{j} v_{k}\right)}$
然后就发现找到简化方法了：只需要让上式分子对应相等，分母对应相等，即：
$\displaystyle P_{i,k} =exp\left( v^{T}_{i} v_{k}\right)$
$\displaystyle P_{j,k} =exp\left( v^{T}_{j} v_{k}\right)$
然而分子分母形式相同，就可以把两者统一考虑了，即：
$\displaystyle P_{i,j} =exp\left( v^{T}_{i} v_{j}\right)$
本来我们追求：
$\displaystyle\frac{P_{i,k}}{P_{j,k}} =g( v_{i} ,v_{j} ,v_{k})$
现在只需要追求：
$\displaystyle P_{i,j} =exp\left( v^{T}_{i} v_{j}\right)$
两边取个对数：
$\displaystyle log( P_{i,j}) =v^{T}_{i} v_{j}$
那么损失函数就可以简化为：
$\displaystyle J=\sum ^{N}_{i,j}\left( v^{T}_{i} v_{j} -log( P_{i,j})\right)^{2}$
现在只需要在 $N * N$ 的复杂度上进行计算，而不是 $N * N * N$ ，现在关于为什么外面套一层 $e x p ()$ 就清楚了，正是因为套了一层 $e x p ()$ ，才使得差形式变成商形式，进而等式两边分子分母对应相等，进而简化模型。
然而，出了点问题。仔细看这两个式子：
$\displaystyle log( P_{i,j})$ 不等于 $\displaystyle log( P_{j,i})$ 但是 $\displaystyle v^{T}_{i} v_{j}$ 等于 $\displaystyle v^{T}_{j} v_{i}$ ；即等式左侧不具有对称性，但是右侧具有对称性。
$\displaystyle log( P_{i,j}) =v^{T}_{i} v_{j} 和log( P_{j,i}) =v^{T}_{j} v_{i}$
数学上出了问题。
补救一下好了。
先将代价函数中的条件概率展开：
$\displaystyle log( P_{i,j}) =v^{T}_{i} v_{j}$
因为：
$\displaystyle P_{i,k} =\frac{X_{i,k}}{X_{i}}$
所以展开为：
$\displaystyle log( X_{i,j}) -log( X_{i}) =v^{T}_{i} v_{j}$
将其变为：
$\displaystyle log( X_{i,j}) =v^{T}_{i} v_{j} +b_{i} +b_{j}$
即添了一个偏差项 $b_{j}$ ，并将 $log( X_{i,j})$ 吸收到偏差项 $b_{i}$ 中。
于是代价函数就变成了：
$\displaystyle J=\left( v^{T}_{i} v_{j} +b_{i} +b_{j} -log( X_{i,j})\right)^{2}$
然后基于出现频率越高的词对儿权重应该越大的原则，在代价函数中添加权重项，于是代价函数进一步完善：
$\displaystyle J=\sum ^{N}_{i,j} f( X_{i,j})\left( v^{T}_{i} v_{j} +b_{i} +b_{j} -log( X_{i,j})\right)^{2}$
具体权重函数应该是怎么样的呢？
首先应该是非减的，其次当词频过高时，权重不应过分增大，作者通过实验确定权重函数为：

这个函数图像如下所示：

接下来就是通过最小化损失函数，求得参数 $v_{i},v_{j},b_{i},b_{j}$ 。

3、训练GloVe模型

虽然很多人声称GloVe是一种无监督（unsupervised learing）的学习方式（因为它确实不需要人工标注label），但其实它还是有label的，这个label就是以上公式中的 $\displaystyle log( X_{i,j})$ ，而公式中的向量 $v_{i},v_{j}$ 就是要不断更新/学习的参数，所以本质上它的训练方式跟监督学习的训练方法没什么不一样，都是基于梯度下降的。
具体地，这篇论文里的实验是这么做的：采用了AdaGrad的梯度下降算法，对矩阵 $X$ 中的所有非零元素进行随机采样，学习曲率（learning rate）设为0.05，在vector size小于300的情况下迭代了50次，其他大小的vectors上迭代了100次，直至收敛。最终学习得到的是两个vector是 $v_{i},v_{j}$ ，因为 X 是对称的（symmetric），所以从原理上讲 $v_{i},v_{j}$ 是也是对称的，他们唯一的区别是初始化的值不一样，而导致最终的值不一样。

所以这两者其实是等价的，都可以当成最终的结果来使用。但是为了提高鲁棒性，我们最终会选择两者之和
$v_{i}+v_{j}$ 作为最终的vector（两者的初始化不同相当于加了不同的随机噪声，所以能提高鲁棒性）。在训练了400亿个token组成的语料后，得到的实验结果如下图所示：
在这里插入图片描述
这个图一共采用了三个指标：语义准确度，语法准确度以及总体准确度。那么我们不难发现Vector Dimension在300时能达到最佳，而context Windows size大致在6到10之间。

4、GloVe与LSA、Word2Vec的比较

LSA（Latent Semantic Analysis）是一种比较早的count-based的词向量表征工具，它也是基于co-occurance matrix的，只不过采用了基于奇异值分解（SVD）的矩阵分解技术对大矩阵进行降维，而我们知道SVD的复杂度是很高的，所以它的计算代价比较大。还有一点是它对所有单词的统计权重都是一致的。而这些缺点在GloVe中被一一克服了。

而word2vec最大的缺点则是没有充分利用所有的语料，所以GloVe其实是把两者的优点结合了起来。从这篇论文给出的实验结果来看，GloVe的性能是远超LSA和word2vec的，但网上也有人说GloVe和word2vec实际表现其实差不多。

参考文献：
1、四步理解GloVe！(附代码实现)：https://blog.csdn.net/weixin_41510260/article/details/100049700
2、理解GloVe模型：https://blog.csdn.net/coderTC/article/details/73864097

马苏比拉米G

关注

12
点赞
踩
37

收藏

觉得还不错? 一键收藏
1
评论
【NLP】GloVe原理详解

一、什么是GloVe模型目标：进行词的向量化表示，使得向量之间尽可能多地蕴含语义和语法的信息。输入：语料库输出：词向量方法概述：首先基于语料库构建词的共现矩阵，然后基于共现矩阵和GloVe模型学习词向量。二、GloVe的实现步骤1、构建共现矩阵设共现矩阵为XXX，其元素为Xi,j\displaystyle X_{i,j}Xi,j。Xi,j\displaystyle X_{i...
复制链接

扫一扫