词嵌入Word Embedding

1. 背景

词嵌入定义为NLP中语言建模和特征学习技术的总称，是一种将文本中的词汇转化成数值向量的方法(将字典中的单词和词组映射成实向量)。
on e–h o t 编码存在的一个主要问题是它无法表示出词汇间的相似度。

2. 分布式 表示

分布式表示试图通过考虑上下文词汇间的关系来捕捉词汇语义。分布式表示的目标是找出一个通用的转换函数，把词汇转换成(与它关联的)向量，使它们之间的相似性符合词汇间语义的相性。

2.1 word2vec 词嵌入

word2v ec 是一个模型组，这些模型是无监督的，它以大型文本语料作为输入，并生成词汇的向量空间。其向量空间的维度通常低于o n e–h o t 编码的字典大小的向量空间维度。尽管word2v ec 创建了用于深度学习NLP模型的向量，但它却是浅层NN。

word2v ec将每个词表示成一个定长的向量，并使得这些向量能较好地表达不同词之间的相似和类比关系。它主要包含了下面两个模型：

2.1.1 skip–g ram 跳字模型

skip–g ram 模型训练的目标是通过给定的当前词(中心词)来预测周围词。skip–g ram 方法会对正样例可能性的结果池进行随机采样；对用于生成负样例的负样本取样处理，会包含从文本中随机组对的任意 token。

        负采样通过考虑同时含有正类样本和负类样本的相互独立事件来构造损失函数，其训练中每一步的梯度计算开销与采样的噪声词的个数线性相关；

        层序 softmax 使用了二叉树，并根据根结点到叶结点的路径来构造损失函数，其训练中一步的梯度计算开销与词典大小的对数相关。

        二次采样试图尽可能减轻高频词对训练词嵌入模型的影响；

       可以将不同长度的样本填充至长度相同的小批量，并通过掩码变量区分填充和非填充，然后只令非填充参与损失函数的计算。

2.2.2 CBOW 连续词袋 模型

CBOW(Co n ti nuous Ba g Of Wo rds)模型通过周围的词汇预测当前词，且上下文词汇的顺序不会影响预测结果(即词袋的假定)。

CBOW更快，但skip–g ram在预测非常用词时比较出色。

2.2.3 从模型中提取 word2vec向量

把字典中的词转换成稠密的低维的分布式表示时所用的权重矩阵。

Gens i m库提供了一个word2vec的实现。

对于英语语言文本，比较好用的是google的word2vec模型，它是在google 新闻数据集中超10亿词汇上训练好的模型，其字典大小约为300W，词向量维度为300，模型大小约1.5G。

2.2 GloVe–全局向量的词嵌入

GloVe(go ble vector)是一种获取词的向量表示的非监督学习算法，其训练基于语料中全局聚合的共现词的统计进行，结果表示展示了词向量空间中有趣的线性子结构。（字典表示中的全局向量叫GloVe向量。）

GloVe和word2vec的不同点在于，wor d2vec是一个预测模型，而GloVe是一个基于计数的模型。首先构造一个训练语料中共现的(wor d, context)的大型矩阵，矩阵中的每个元素代表了以行表示的词，与以列表示的周围词共现的频数。然后GloVe处理过程把共现矩阵转换成了一对(wor d, feature) 和 (feature, context)的矩阵。这个过程就是矩阵分解，它是通过随机梯度下降的方法完成的，SGD是一种数值迭代方法。当SGD收敛时矩阵(wor d, feature)就是GloVe向量，为了加快收敛，SGD通常采用并发模式。