130
个编辑
更改
小第118行：
第118行： − + 第140行：
第140行： − 层次softmax的核心思路是构建一个霍夫曼树，每个叶节点代表一个词汇，而预测一个词汇就是沿着树走的一条路径，对应的也就是一个不断重复的二分类问题，目标函数就可以变化为：+ + + + + + + + + + + + + + + + +
→训练方法
'''负采样（Negative Sampling）:'''
'''负采样（Negative Sampling）:'''
负采样的核心思想在于将原始问题转换成一个二分类问题，让模型只区分正样本和负样本，例如在Skip-gram中，对于一个中心词 <math>w_t</math> 和一个正确的上下文词 <math>w_o</math>，正确的上下文词被称为正样本。同时人为给出错误的上下文文本 <math>w'_{o_i}</math>，也就是负样本。负样本的采样一般按照词频<math>U</math>的<math>3/4</math>次方作为采样概率，即：
负采样的核心思想在于将原始问题转换成一个二分类问题，让模型只区分正样本和负样本，例如在Skip-gram中，对于一个中心词 <math>w_t</math> 和一个正确的上下文词 <math>w_o</math>，正确的上下文词被称为正样本。同时人为给出错误的上下文文本 <math>w'_{o_i}</math>，也就是负样本。负样本的采样一般按照词频 <math>U</math> 的 <math>3/4</math> 次方作为采样概率，即：
<math>
<math>
'''层次 Softmax（Hierarchical Softmax）:'''
'''层次 Softmax（Hierarchical Softmax）:'''
层次softmax的核心思路是根据词汇的词频构建一个霍夫曼树，每个叶节点代表一个词汇，而预测一个词汇就是沿着树走的一条路径，对应的也就是一个不断重复的二分类问题，因此每个目标词汇 <math>w_t</math> 都会被编码为一串二进制编码：
<math>code(w_t)=(b_1, b_2, \ldots, b_L), b_i \in {0,1}</math>
而这条路径上的非叶子节点被记为 <math>n_1, n_2, \ldots, n_L</math>。因此，在Skip-gram中，给定中心词 <math>w_t</math> 与上下文词 <math>w_o</math> 之后，上下文词的条件概率就变成了：
<math>P(w_o \mid w_t) = \prod_{i=1}^L(w_o) \sigma (|1-b_i|\mathbf{v}_{n_i}^\top\mathbf{v}_{w_t})</math>
其中<math>\mathbf{v}_{n_i}</math>是路径节点的向量，相当于原始输出矩阵<math>W'</math>。损失函数为最大化词对的出现概率：
<math>\mathcal{L} = - \sum_{(w_t, w_o) \in D} \log P(w_o \mid w_t)</math>
同样，层次softmax也可以应用于CBOW中，条件概率中的目标词词向量更换为了上下文词汇的平均词向量：
<math>
P(w_t \mid \text{context}) = \prod_{i=1}^{L(w_t)} \sigma\left( [1 - b_i(w_t)] \cdot \mathbf{v}_{n_i}^\top \mathbf{h} \right)
</math>
由此也能够得到对应的损失函数。
=='''应用领域'''==
=='''应用领域'''==