Bootstrap

《自然语言处理-基于预训练模型的方法》笔记

《自然语言处理-基于预训练模型的方法》笔记

文章目录

〇.写在前面

本笔记为哈工大“《自然语言处理-基于预训练模型的方法》——车万翔 郭江 崔一鸣 著 2021 年 7 月第一版” 的笔记，记录比较详细。不过，仍然强烈建议诸君购买原书进行学习！ 因为本笔记只是笔记，很多地方只是总结性的！

在阅读本笔记前，可能需要您具备一定的深度学习基础和代码能力基础，对于比较欠缺的同学，我给出了一定的学习指示与推荐，包括代码学习的材料以及理论学习的材料。不过无论如何，本笔记都需要一定的神经网络知识基础。详细请看本笔记第四章。

本笔记除了记录了书中知识点之外，还对书中的少量错误进行了修正，同时还进行了少量的扩展。

对于代码学习部分，我给出了代码的链接，都在本人的代码笔记本当中，但是，在查找代码之前，请先查看代码笔记本项目的 README/Checklist，确保相应代码已经被记录。

当然，本人才疏学浅，如有错误在所难免，恳请指正交流，不胜感激，嘤鸣求友！

Github : ZenMoore Zhihu : ZenMoore Twitter : @ZenMoore1

in Markdown Homepage in HTML in PDF, 关于使用哪种格式，请看这里

Email : [email protected], [email protected]

一、绪论

(一) NLP 任务体系

I.任务层级

  1. 资源建设：语言学知识库 (词典、规则库)；语料库。

    词典：也称 Thesaurus, 可以提供音韵、句法、语义解释、词汇关系、上下位同反义等

  2. 基础任务：分词，词性标注，句法分析、句义分析等

  3. 应用任务：信息抽取、情感分析、问答系统、机器翻译、对话系统等

  4. 应用系统：教育、医疗、司法、金融、机器人等

II.任务类别
  1. 回归问题：输出为连续数值
  2. 分类问题
  3. 匹配问题：判断关系
  4. 解析问题：标注、词间关系
  5. 生成问题
III.研究层次
  1. 形式：符号
  2. 语义：符号+实
  3. 推理：符号+实+知 (常识知识、世界知识、领域知识)
  4. 语用：符号+实+知+环境

(二) 预训练的时代

预训练+精调范式，预训练说是无监督并不准确，因为下一词预测这一个预训练任务仍然有监督，应该说成是自监督学习。

二、NLP 基础

(一) 文本表示

I.独热向量
  1. one-hot vector
  2. 可以引进额外特征表示共同语义 (如 WordNet 同义词等),转为特征工程
II.分布式表示
  • 分布式语义假设 : 利用上下文进行语义建模

如使用共现词频(共现矩阵)： M = ( C ( w , c ) ) w ∈ V , c ∈ V \pmb{M}=(C(w,c))_{w\in\mathbb{V}, c\in{\mathbb{V}}} MMM=(C(w,c))w∈V,c∈V​

C ( w , c ) C(w, c) C(w,c) 表示 词汇 w 与上下文词汇 c 共同出现的频次。
但存在直接使用存在 1.高频词问题 2.高阶关系 3.稀疏性问题

  1. 点互信息 PMI : P M I = l o g 2 P ( w , c ) P ( w ) P ( c ) PMI=log_2{\frac{P(w, c)}{P(w)P(c)}} PMI=log2​P(w)P(c)P(w,c)​, 解决高频词问题

  2. 正点互信息 PPMI : P P M I = m a x ( P M I ( w , c ) , 0 ) PPMI=max(PMI(w, c), 0) PPMI=max(PMI(w,c),0), 解决低共现频负 PMI 的不稳定性 (大方差).

  3. TF-IDF : 解决高频词问题

  4. 奇异值分解 SVD : M = U Σ V T ( U T U = V T V = I ) M=U\Sigma V^T (U^TU=V^TV=I) M=UΣVT(UTU=VTV=I), 使用截断奇异值分解近似 M M M (即取 d 个最大的奇异值)，矩阵 U U U 的每一行即对应词的 d 维向量表示，该表示一般连续低维稠密。由于正交性，可以认为不同的维度的潜在语义相互独立。因此，这种方法也叫做 潜在语义分析 LSA. 相应地， Σ V T \Sigma V^T ΣVT 的每一列也可以作为上下文的向量表示。解决了高阶关系问题和稀疏性问题。

也可以设计 词汇-文档共现词汇，然后使用 SVD， 相应的技术为 潜在语义索引 LSI.

  • 问题：
  1. 共现矩阵太大了，SVD 好慢
  2. 短单元问题 (面对段落/句子无能为力, 因为长单元共现的上下文非常少)
  3. 一旦训练完则固定下来,无法根据任务微调
III.词嵌入表示
  • 通过任务预训练出来的词向量, 看成模型参数
  • 之后介绍
IV.词袋表示
  • BOW : 无顺序, 将文本中全部词的向量表示简单相加 (不论向量表示方法)
  • 缺点
  1. 没有顺序信息
  2. 无法融入上下文信息
  3. 即便引入二元词表, 也存在严重的数据稀疏问题
  • 解决: 深度学习技术, 之后介绍

(二) NLP 任务

I.语言模型

  1. N-gram：N 元语言模型

    • 马尔可夫假设 : P ( w t ∣ w 1 w 2 . . . w t − 1 ) = P ( w t ∣ w t − ( n − 1 ) : t − 1 ) P(w_t|w_1w_2...w_{t-1})=P(w_t|w_{t-(n-1):t-1}) P(wt​∣w1​w2​...wt−1​)=P(wt​∣wt−(n−1):t−1​)
    • 满足该假设称为：N元语法或文法(gram)模型
    • n=1 的 unigram 独立于历史(之前的序列)，因此语序无关
    • n=2 的 bigram 也被称为一阶马尔可夫链 P ( w 1 w 2 . . . w t ) = ∏ i = 1 l P ( w i ∣ w i − 1 ) P(w_1w_2...w_t)=\prod_{i=1}^lP(w_i|w_{i-1}) P(w1​w2​...wt​)=∏i=1l​P(wi​∣wi−1​)
    • w 0 w_0 w0​ 可以是 <BOS>， w l + 1 w_{l+1} wl+1​ <EOS>

  2. 平滑 ： 解决未登录词 (OOV, Out-Of-Vocabulary, <UNK>)的零概率问题

    • 折扣法：高频补低频
    • 加1平滑：拉普拉斯平滑

    对于 unigram: P ( w i ) = C ( w i ) + 1 ∑ w C ( w ) + 1 = C ( w i ) + 1 N + ∣ V ∣ P(w_i)=\frac{C(w_i)+1}{\sum_w{C(w)+1}}=\frac{C(w_i)+1}{N+|\mathbb{V}|} P(wi​)=∑w​C(w)+1C(wi​)+1​=N+∣V∣C(wi​)+1​,

    对于 bigram: P ( w i ∣ w i − 1 ) = C ( w i w i − 1 ) + 1 ∑ w ( C ( w i − 1 w ) + 1 ) = C ( w i w i − 1 ) + 1 C ( w i − 1 ) + ∣ V ∣ P(w_i|w_{i-1})=\frac{C(w_iw_{i-1})+1}{\sum_w(C(w_{i-1}w)+1)}=\frac{C(w_iw_{i-1})+1}{C(w_{i-1})+|\mathbb{V}|} P(wi​∣wi−1​)=∑w​(C(wi−1​w)+1)C(wi​wi−1​)+1​=C(wi−1​)+∣V∣C(wi​wi−1​)+1​

    也可以使用 + δ \delta δ 平滑，尤其当训练数据较小时，加一太大了

    关于 δ \delta δ 选择，可以使用验证集对不同值的困惑度比较选择最优参数

  3. 模型评价

    • 外部任务评价：不怎么用
    • 内部评价方法：基于困惑度 (Perplexity, PPL)，越小越好

    P ( D t r a i n ) → p a r a m s P(\mathbb{D^{train}})\to params P(Dtrain)→params

    P ( D t e s t ) = P ( w 1 w 2 . . . w N ) = ∏ i = 1 N P ( w i ∣ w 1 : i − 1 ) P(\mathbb{D^{test}})=P(w_1w_2...w_N)=\prod_{i=1}^NP(w_i|w_{1:i-1}) P(Dtest)=P(w1​w2​...wN​)=∏i=1N​P(wi​∣w1:i−1​)

    P P L = P ( D t e s t ) − 1 / N PPL=P(\mathbb{D^{test}})^{-1/N} PPL=P(Dtest)−1/N : 测试集到每个词的概率的几何平均值的倒数

    这里针对一个句子而言：我们的目标是使测试集中的所有句子 PPL 最小。

    不是绝对的好，只是正相关的好，关键还是得看具体任务

    神经网络语言模型之后介绍

II. 基础任务
  • 往往不能直接面向用户，而是作为一个环节或者下游任务的额外语言学特征

  1. 中文分词

    • 正向最大匹配算法 (FMM) ：倾向于找最长词

      相应地，有 逆向最大匹配算法

    • 问题：切分歧义问题，未登录词问题

    • 其他深度学习方法之后介绍

  2. 子词切分：Lemmatization (词形还原) & Stemming (词干提取)

    • 解决数据稀疏问题和大词表问题

    • 传统方法需要大量规则，因此：基于统计的无监督方法（使用尽量长且频次高的子词）

    • **字节对编码 (BPE) **生成子词词表，然后使用贪心算法；可以使用缓存算法加快速度

      用 <\w> 表示单词的结束

      缓存算法：把高频出现的事先保存成文件，每次只解决非高频的那些词

    • WordPiece: ~BPE, 不过 BPE 选频次最高对，WordPiece 选提升语言模型概率最大对

    • Unigram Language Model (ULM) : ~WordPiece, 不同的是，它基于减量法

    SentencePiece 开源工具用于子词切分，使用 Unicode 扩展到了多种语言

  3. 词性标注：Part-of-Speech (POS)

    也称为词类

    • 名词、动词、代词等

  4. 句法分析：Syntactic Parsing

    • 树状结构的主谓宾定状补等
    • 两种句法结构表示：不同点在于依托的文法规则不同
      • 短语结构句法表示：上下文无关文法，层次性的
      • 依存结构句法表示 (DSP)：依托依存文法
Syntactic Dependency Tree

  1. 语义分析

    • 与前述语义不同，这里指的是离散符号和结构化的

    • 词义消歧 WSD : 可以使用 WordNet 等语义词典

    • 语义角色标注 SRL : 谓词论元结构

      识别谓词后找到论元(语义角色)(施事 Agent 受事 Patient)

      附加语义角色: 状语、副词等

    • 语义依存分析 SDP : 通用图

      • 语义依存图：词作为节点，词词关系作为语义关系边
      • 概念语义图：首先将句子转化为虚拟的概念节点，然后建立语义关系边

    • 专门任务：如自然语言转 SQL

III. 应用任务

  1. 信息抽取 IE : 非结构化文本提取结构化信息

    • 命名实体识别 NER : 人名、机构名、地名、专有名称等名称。然后往往需要将命名实体链接到知识库或者知识图谱中的具体实体，被称作实体链接。

    • 关系抽取：实体之间语义关系，如夫妻、子女、工作单位等

    • 事件抽取：事件往往使用文本中提及的具体触发词 (Trigger) 定义，解析时间、地点、人物等关键因素。

      ~SRL : 谓词~Trigger, 论元~事件元素

    • 时间表达式识别：时间表达式归一化。

      绝对时间：日期等

      相对时间：两天前

  2. 情感分析

    • 情感分类
    • 情感信息抽取：抽取情感元素，如评价词语、评价对象、评价搭配等

  3. 问答系统

    • 检索式：查找相关文档抽取答案
    • 知识库：问题 → \to →结构化查询语句 → \to →结构化知识存储 → \to →推理 → \to →答案
    • 常见问题集：对历史积累的问题集合检索
    • 阅读理解式：抽取给定文档中片段或生成

    实际常常是综合的

  4. 机器翻译

    • 任意时间
    • 任意地点
    • 任意语言

  5. 对话系统：多轮交互

    • 任务型：自动业务助理等

      自然语言理解 → \to →对话管理 → \to →自然语言生成

      NLU : 领域(什么东西)、意图(要干什么)、槽值(？=？)等

      DM : 对话状态跟踪 DST 和对话策略优化 DPO，对话状态往往表示为槽值列表

      NLG : 有了 DPO 后比较简单，只需要套用问题模板即可

    • 开放域：聊天系统或者聊天机器人

(三) 基本问题

以上任务都可以归结为三种问题

I. 文本分类问题
  • 甚至文本匹配问题：文本对的关系分类，包括复述关系 Paraphrasing (语义是否相同)、蕴含关系 Entailment (蕴含或者矛盾)。一个方法就是：将文本对直接拼接，然后进行关系分类
II. 结构预测问题

  1. 序列标注

    • 如 CRF 模型：不仅考虑每个词的标签概率 (发射概率)，还考虑标签之间的关系 (转移概率)
    • RNN + CRF

  2. 序列分割

    • 分词、NER 等

    • 也可以看成序列标注

      NER : B-xxx 表示开始，I-xxx 表示中间，O-xxx 表示非实体

      分词同理

  3. 图结构生成

    • 基于图的算法：最小生成树，最小子图等

    • 基于转移的算法：图 → \to →状态转移序列，状态 → \to →策略 → \to →动作等。

      如用于 DSP 的 标准弧转移算法：

      转移状态由一个栈 S m . . . S 1 S 0 S_m...S_1S_0 Sm​...S1​S0​和队列 Q 0 Q 1 . . . Q n Q_0Q_1...Q_n Q0​Q1​...Qn​组成, 栈存依存结构子树序列，队列存未处理的词

      初始转移状态：栈为空

      转移动作：

      • 移进 Shift (SH) : first of Q to top of stack, engender an one-node sub-tree

      • 左弧归约 Reduce Left (RL) : two sub-trees at top-stack, left arc=‘S1 ← \leftarrow ←S0’, S1 out

      • 右弧归约 Reduce Right (RR): two sub-trees at top-stack, left arc=‘S1 → \rightarrow →S0’ S0 out

      • 完成 FIN

      弧上的句法关系可以在生成弧的时候(即 RR 或 RL)采用额外的句法关系分类器加以预测

      该算法也可以用于短语结构的句法分析方法

      标准弧转移算法示例
III. 序列到序列问题
  • 编码器-解码器
  • 结构预测也能使用，但是由于结构预测有较强的对应关系，序列到序列很难保证这种对应关系，因此不常使用这种模型解决

(四) 评价指标

I. 标准答案明确的情况
  • 准确率 Accuracy ：正确的比所有的
  • 精确率 Precision：正确的比所有识别出的
  • 召回率 Recall：正确的
  • F 值 F-score，特例 F1 值
  • 对于 Syntactic Dependency Tree:
    • UAS (unlabeled attachment score): 即准确率，父节点被正确识别的概率
    • LAS：父节点被正确识别且与父节点的关系也正确的概率
  • 对于 Semantic Dependency Graph ：多个父节点不能用上述
    • F-score : 图中的弧为单位，计算识别的精确率和召回率
    • 可分为考虑和不考虑语义关系两种情况
  • 对于 短语结构句法分析：也不能用准确率
    • F-score : 句法结构中包含短语的 F 值进行评价
    • 包含短语：包括短语类型以及短语所覆盖的范围
II. 标准答案不明确的情况

  • 困惑度 PPL：见前述

  • BLEU : 统计机器译文与多个参考译文中 N-gram 匹配的数目占机器疑问中所有 N-gram 总数的比率，即 N-gram 的精确率; N 大小适中(>=2, <=4); 但仅这样忽略了召回率，倾向于短序列，于是引入了长度惩罚因子 (0~1)，使其单词数目尽可能接近参考译文中的数目; 最终，BLEU ∈ [ 0 , 1 ] \in [0, 1] ∈[0,1], 越高越好

  • ROUGE : ~BLEU，但统计的是 N-gram 召回率, 即对于标准译文中的短语，统计一下它们有多少个出现在机器翻译的译文当中、

  • METOR : 用 WordNet 等知识源扩充了一下同义词集，同时考虑了单词的词形, 在评价句子流畅性的时候，用了 chunk 的概念（候选译文和参考译文能够对齐的、空间排列上连续的单词形成一个 chunk，这个对齐算法是一个有点复杂的启发式 beam serach），chunk 的数目越少意味着每个 chunk 的平均长度越长，也就是说候选译文和参考译文的语序越一致。最后还有召回率和准确率两者都要考虑，用 F 值作为最后的评价指标。

  • CIDEr : 多用于图像字幕生成，CIDEr 是 BLEU 和向量空间模型的结合。它把每个句子看成文档，然后计算 TF-IDF 向量（只不过 term 是 n-gram 而不是单词）的余弦夹角，据此得到候选句子和参考句子的相似度，同样是不同长度的 n-gram 相似度取平均得到最终结果。优点是不同的 n-gram 随着 TF-IDF 的不同而有不同的权重，因为整个语料里更常见的 n-gram 包含了更小的信息量。图像字幕生成评价的要点是看模型有没有抓取到关键信息

    多个参考译文…没有怎么办，不好怎么办，主观怎么办，译文和原文有对应关系，那对于对话，没有语义相同关系怎么办，因此：只能人来了…

  • 人为评价：多用于对话。多人评价其流畅度、相关度、准确性等等，给出主观分数进行统计

(五) 总结

NLP 基础总结

三、基础工具集与常用数据集

(一) 工具集

所有这些，请移步开源代码笔记本 NoahKit@ZenMoore

  • NLTK
  • CoreNLP
  • spaCy
  • LTP
  • PyTorch

(二) 数据集

  • WordNet : 包含同义词、释义、例句等

  • SentiWordNet : Senti=Sentiment

  • Wikipedia

    下节介绍使用方法

  • Common Crawl

    PB 级别，7 年爬虫我的妈，使用 Facebook 的 CC-Net 工具进行处理

  • Hugging Face Datasets

    下节介绍使用方法

(三) Wikipedia 数据集使用方法

I. 原始数据获取

​ 进入 Wikipedia 官网下载数据集压缩包，不需要解压

II. 语料处理方法

  1. 纯文本语料抽取

    pip install wikiextractor
python -m wikiextractor.WikiExtractor
python -m wikiextractor.WikiExtractor -h

    then we will get the following file system :

    ./text
	|- AA
		|- wiki_00
		|- wiki_01
		...
		|- wiki_99
	|_ AB
	...
	|- A0

    and each text corpus ‘wiki_xx’ is like :

    <doc id='xx' url="https://xxx" title="math">
   xxxxx
</doc>

  2. 中文简繁体切换

    我们使用 OpenCC : 甚至可以转换日本新体字等中文字体

    pip install opencc
python convert_t2s.py input_file > output_file

  3. 数据清洗

    包括：删除空的成对符号，删除除了 <doc> 外残留 html 标签，删除不可见控制字符等

    python wikidata_cleaning.py input_file > output_file

(四) Hugging Face Datasets 使用方法

I. 数据集获取
pip install datasets
II. 调用 datasets
from datasets import list_datasets, load_dataset
import pprint

# dataset loading
datasets_list = list_datasets()
print(len(datasets_list))  # num_datasets
dataset = load_dataset('sst', split='train')  # load SST (Stanford Sentiment Treebank)
print(len(dataset))  # num_samples
pprint(dataset[0])  # {'label':xxx, 'sentence':xxx, 'tokens':xxx, 'tree':xxx}
III. 调用 metrics
from datasets import list_metrics, load_metric

# metrics
metrics_list = list_metrics()
print(len(metrics_list))  # num_metrics
accuracy_metric = load_metric('accuracy')
results = accuracy_metric.compute(references= [0, 1, 0], predictions= [1, 1, 0])
print(results)  # {'accuracy': 0.6666666}

四、NLP 的神经网络基础

(一) 理论学习

这个东西不要用这本书学习，系统的学习推荐以下教材：

神经网络与深度学习 by 邱锡鹏教授

统计学习方法 by 李航教授

以下是本书关于神经网络基础的目录：

多层感知机模型：感知器，线性/逻辑/Softmax回归，多层感知器

卷积神经网络

循环神经网络：普通，长短时记忆网络，基于 RNN 的序列到序列模型

注意力模型：注意力机制、自注意力模型、Transformer、基于 Transformer 的序列到序列模型，Transformer 模型的优缺点

神经网络训练：损失函数、梯度下降

(二) 代码学习

TensorFlow，PyTorch 等的学习请移步官网 Tutorial，如果感兴趣，可关注 NoahKit@ZenMoore

值得注意的是，PyTorch 新增了 Transformer 的支持：

import torch.nn as nn

data = torch.rand(2, 3, 4)

encoder_layer = nn.TransformerEncoderLayer(d_model= 4, nhead= 2)
transformer_encoder = nn.TransformerEncoder(encoder_layer, num_layers= 6)
memory = transformer_encoder(data)

decoder_layer = nn.TransformerDecoderLayer(d_model= 4, nhead= 2)
transfomer_decoder = nn.TransformerDecoder(decoder_layer, num_layers= 6)
out_part = torch.rand(2, 3, 4)  # decoding history
out = transformer_decoder(out_part, memory)

(三) 项目实战

书中有两个实战：情感分类 和 词性标注，分别使用了 MLP、卷积神经网络、循环神经网络、Transformer 等，当然，还涉及了词表映射、词向量、数据处理等，非常的好，建议直接看看书中代码，有时间实现一下。如果没有这本书，那下面给出目录，照着网上的博客学习一下：

情感分类实战：词表映射 -> 词向量层 -> 融入词向量层的多层感知器 -> 数据处理 -> 多层感知器模型的训练与测试 -> 基于卷积神经网络的情感分类 -> 基于循环神经网络的情感分类 -> 基于 Transformer 的情感分类

词性标注实战：基于前馈神经网络的词性标注 -> 基于循环神经网络的词性标注 -> 基于 Transformer 的词性标注

五、静态词向量预训练模型

(一) 简单的词向量预训练

I. 预训练任务

  • 基本任务就是根据上下文预测下一时刻词: P ( w t ∣ w 1 w 2 . . . w t − 1 ) P(w_t|w_1w_2...w_{t-1}) P(wt​∣w1​w2​...wt−1​)

  • 这种监督信号来自于数据自身，因此称为自监督学习。

II. 前馈神经网络预训练词向量

  • 输入层 → \to →词向量层 → \to →隐含层 → \to →输出层

  • 训练后，词向量矩阵 E ∈ R d × ∣ V ∣ \pmb{E}\in\mathbb{R}^{d\times|\mathbb{V}|} EEE∈Rd×∣V∣ 即为预训练得到的静态词向量

III. 循环神经网络预训练词向量

  • 输入层 → \to →词向量层 → \to →隐含层 → \to →输出层

  • 然后把词向量层参数和词表(一一对应)保存下来就是静态词向量

(二) Word2Vec 词向量

Word2Vec
I. CBOW 模型
  • 即 Continuous Bags-of-Words
  • 基本思想：同时考虑历史与未来，选择一个上下文窗口 C t = { w t − k , . . . , w t − 1 , w t + 1 , . . . , w t + k } \mathcal{C_t}=\{w_{t-k},...,w_{t-1},w_{t+1},..., w_{t+k}\} Ct​={ wt−k​,...,wt−1​,wt+1​,...,wt+k​} ，如图示为大小为 5 的窗口
  • 输入层：词汇的独热向量 e w i = [ 0 ; . . . ; 1 ; . . . 0 ] ∈ [ [ 0 , 1 ] ] ∣ V ∣ e_{w_i}=[0;...;1;...0]\in [[0, 1]]^{\mathbb{|V|}} ewi​​=[0;...;1;...0]∈[[0,1]]∣V∣
  • 词向量层：参数为 E ∈ R d × ∣ V ∣ \pmb{E}\in\mathbb{R}^{d\times|\mathbb{V}|} EEE∈Rd×∣V∣
  • 隐含层：仅做平均操作 v C t = 1 ∣ C t ∣ ∑ w ∈ C t v w v_{\mathcal{C_t}=\frac{1}{\mathcal{|C_t|}}\sum_{w\in\mathcal{C_t}}v_w} vCt​=∣Ct​∣1​∑w∈Ct​​vw​​
  • 输出层：参数为 E ′ ∈ R ∣ V ∣ × d \pmb{E'}\in \mathbb{R}^{\mathbb{|V|}\times d} E′E′E′∈R∣V∣×d, P ( w t ∣ C t ) = e x p ( v C t ⋅ v w t ′ ) ∑ w ′ ∈ V exp ⁡ ( v C t ⋅ v w ′ ′ ) P(w_t|\mathcal{C_t})=\frac{exp(v_{\mathcal{C_t}}·v'_{w_t})}{\sum_{w'\in \mathbb{V}}\exp(v_{\mathcal{C_t}}·v'_{w'})} P(wt​∣Ct​)=∑w′∈V​exp(vCt​​⋅vw′′​)exp(vCt​​⋅vwt​′​)​, where v w i ′ v'_{w_i} vwi​′​是 E ′ \pmb{E'} E′E′E′中与 w i w_i wi​ 对应的行向量
  • 词向量矩阵： E , E ′ \pmb{E, E'} E,E′​E,E′​​E,E′ 都可以作为词向量矩阵，分别表示了词在作为条件上下文或目标词时的不同性质。实际常用 E \pmb{E} EEE, 也可以两者组合起来。
  • 特点：不考虑上下文中单词的位置或者顺序，因此输入是一个词袋而非序列。
II. Skip-gram 模型

  • 基本思想：在 CBOW 基础上简化为 “使用 C t \mathcal{C_t} Ct​ 中的每个词作为独立的上下文对目标词进行预测”， 即 P ( w t ∣ w t + j ) P(w_t|w_{t+j}) P(wt​∣wt+j​)

    原文献是 P ( w t + j ∣ w t ) P(w_{t+j}|w_t) P(wt+j​∣wt​), 两者等价，本书采取原文献的办法

  • 隐含层向量： v w t = E w t T v_{w_t}=\pmb{E_{w_t}^T} vwt​​=Ewt​T​​Ewt​T​​​Ewt​T​

  • 输出层：参数为 E ′ ∈ R ∣ V ∣ × d \pmb{E'}\in \mathbb{R}^{\mathbb{|V|}\times d} E′E′E′∈R∣V∣×d， P ( c ∣ w t ) = e x p ( v w t ⋅ v c ′ ) ∑ w ′ ∈ V e x p ( v w t ⋅ v w ′ ′ ) P(c|w_t)=\frac{exp(v_{w_t}·v'_c)}{\sum_{w'\in\mathbb{V}}exp(v_{w_t}·v_{w'}')} P(c∣wt​)=∑w′∈V​exp(vwt​​⋅vw′′​)exp(vwt​​⋅vc′​)​， where v w i ′ v'_{w_i} vwi​′​是 E ′ \pmb{E'} E′E′E′中与 w i w_i wi​ 对应的行向量

  • 词向量：与 CBOW 同。

III. 参数估计与预训练任务
  • θ = { E , E ′ } \pmb{\theta}=\{\pmb{E}, \pmb{E'}\} θθθ={ E

悦读

道可道，非常道；名可名，非常名。 无名，天地之始，有名，万物之母。 故常无欲，以观其妙，常有欲，以观其徼。 此两者，同出而异名，同谓之玄，玄之又玄，众妙之门。

最新收录
百度地图的使用(js，vue2，vue3)
Android通过build.gradle自定义task读取Manifest配置信息
数据结构笔记（一）
php的H5网页端如何分享到微信中带图片和缩略图-微信卡片式分享-微信分享链接带图片
读取SMW0中txt文件，并解决乱码问题
数据结构（二） 线性表
c++实现二叉搜索树（上）
【Vue】组件传值的六种方法
vue上传文件加进度条，fake-progress一起使用
Pycharm安装dlib库（Python3.8）
;