日韩精品一区二区av在线观看,日韩av片无码一区二区不卡,极品少妇xxxx精品少妇偷拍

DeepNLP的表示學(xué)習(xí)·詞嵌入來龍去脈·深度學(xué)習(xí)（Deep Learning）·自然語言處理（NLP）·表示（Representation）

分類：技術(shù)分享
發(fā)表：2018-07-17

〇、序
 一、DeepNLP的核心關(guān)鍵：語言表示（Representation）
二、NLP詞的表示方法類型
1、詞的獨熱表示one-hot representation
2、詞的分布式表示distributed representation
三、NLP語言模型
四、詞的分布式表示
 1. 基于矩陣的分布表示
 2. 基于聚類的分布表示
 3. 基于神經(jīng)網(wǎng)絡(luò)的分布表示，詞嵌入（ word embedding）
五、詞嵌入（ word embedding）
1、概念
 2、理解
六、神經(jīng)網(wǎng)絡(luò)語言模型與word2vec
1、神經(jīng)網(wǎng)絡(luò)語言模型
 2.word2vec與CBOW、Skip-gram
3.個人對word embedding的理解
七、后言
 References

〇、序
之前一段時間，在結(jié)合深度學(xué)習(xí)做自然語言處理的時候一直有思考一些問題，其中有一個問題算是最核心一個：究竟深度網(wǎng)絡(luò)是怎么做到讓各種NLP任務(wù)解決地如何完美呢？到底我的數(shù)據(jù)在NN中發(fā)什么了什么呢？
并且，不少的terms like：詞向量、word embedding、分布式表示、word2vec、glove等等，這一鍋粥的名詞術(shù)語分別代表什么，他們具體的關(guān)系是什么，他們是否處于平級關(guān)系？
出于對知識結(jié)構(gòu)追求完整梳理的強迫癥的老毛病，于是不停地查資料、思考、keep revolving……
然后就感覺有一點小進展了。想到，不如將個人對其的理解，無論對錯，先拿出來跟peer分享下，或許能交換出更有意義的東西呢？
整篇文章的構(gòu)架是按照屬于概念在邏輯上的先后大小順序，一層一層一級一級地往下剖析、比較、說明。
另外說明下，here整篇文字內(nèi)容相對是比較入門，甚至有的點可能描述的不太客觀正確，限于當(dāng)前的認知水平……還請您海涵，希望您在評論中指正！

一、DeepNLP的核心關(guān)鍵：語言表示（Representation）
最近有一個新名詞：Deep Learning + NLP = ?DeepNLP。當(dāng)常規(guī)的機器學(xué)習(xí)Machine Learning升級發(fā)展到了一定的階段后，慢慢的被后起的深度學(xué)習(xí)Deep Learning奪勢而去，并如火如荼地引領(lǐng)了一波新高潮，因為Deep Learning有machinelearning過而不及之處！那當(dāng)Deep Learning進入自然語言處理領(lǐng)域，自然是要橫掃ACL一批paper才是。事實也是這樣的。
先提下數(shù)據(jù)特征表示問題。數(shù)據(jù)表示是機器學(xué)習(xí)的核心問題，在過去的Machine Learning階段，大量興起特征工程，人工設(shè)計大量的特征解決數(shù)據(jù)的有效表示問題。而到了Deep Learning，想都別想，end-2-end，一步到位，hyper-parameter自動幫你選擇尋找關(guān)鍵的特征參數(shù)。
那么，Deep Learning如何能在自然語言處理中發(fā)揮出應(yīng)有的real power呢？很明顯，先不提如何設(shè)計出很強勢的網(wǎng)絡(luò)結(jié)構(gòu)，不提如何在NLP中引入基于NN的解決例如情感分析、實體識別、機器翻譯、文本生成這些高級任務(wù)，咱們首先得把語言表示這一關(guān)過了——如何讓語言表示成為NN能夠處理的數(shù)據(jù)類型。
我們看看圖像和語音是怎么表示數(shù)據(jù)的：

在語音中，用音頻頻譜序列向量所構(gòu)成的matrix作為前端輸入喂給NN進行處理，good；在圖像中，用圖片的像素構(gòu)成的matrix展平成vector后組成的vector序列喂給NN進行處理，good；那在自然語言處理中呢？噢你可能知道或者不知道，將每一個詞用一個向量表示出來！想法是挺簡單的，對，事實上就是這么簡單，然而真有這么簡單嗎？可能沒這么簡單。
有人提到，圖像、語音屬于比較自然地低級數(shù)據(jù)表示形式，在圖像和語音領(lǐng)域，最基本的數(shù)據(jù)是信號數(shù)據(jù)，我們可以通過一些距離度量，判斷信號是否相似，在判斷兩幅圖片是否相似時，只需通過觀察圖片本身就能給出回答。而語言作為人類在進化了幾百萬年所產(chǎn)生的一種高層的抽象的思維信息表達的工具，其具有高度抽象的特征，文本是符號數(shù)據(jù)，兩個詞只要字面不同，就難以刻畫它們之間的聯(lián)系，即使是“麥克風(fēng)”和“話筒”這樣的同義詞，從字面上也難以看出這兩者意思相同（語義鴻溝現(xiàn)象），可能并不是簡單地一加一那么簡單就能表示出來，而判斷兩個詞是否相似時，還需要更多的背景知識才能做出回答。
那么據(jù)上是不是可以自信地下一個結(jié)論呢：如何有效地表示出語言句子是決定NN能發(fā)揮出強大擬合計算能力的關(guān)鍵前提！

二、NLP詞的表示方法類型
接下來將按照上面的思路，引出各種詞的表示方法。按照現(xiàn)今目前的發(fā)展，詞的表示分為獨熱表示one-hot、分布式表示distributed。
1、詞的獨熱表示one-hot representation
NLP 中最直觀，也是到目前為止最常用的詞表示方法是 One-hot Representation，這種方法把每個詞表示為一個很長的向量。這個向量的維度是詞表大小，其中絕大多數(shù)元素為 0，只有一個維度的值為 1，這個維度就代表了當(dāng)前的詞。關(guān)于one-hot編碼的資料很多，街貨，這里簡單舉個栗子說明：
“話筒”表示為 [0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 …]
“麥克”表示為 [0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 …]

每個詞都是茫茫 0 海中的一個 1。這種 One-hot Representation 如果采用稀疏方式存儲，會是非常的簡潔：也就是給每個詞分配一個數(shù)字 ID。比如剛才的例子中，話筒記為 3，麥克記為 8（假設(shè)從 0 開始記）。如果要編程實現(xiàn)的話，用 Hash 表給每個詞分配一個編號就可以了。這么簡潔的表示方法配合上最大熵、SVM、CRF 等等算法已經(jīng)很好地完成了自然語言處理領(lǐng)域的各種主流任務(wù)。
現(xiàn)在我們分析他的不當(dāng)處。1、向量的維度會隨著句子的詞的數(shù)量類型增大而增大；2、任意兩個詞之間都是孤立的，根本無法表示出在語義層面上詞語詞之間的相關(guān)信息，而這一點是致命的。

2、詞的分布式表示distributed representation
傳統(tǒng)的獨熱表示（ one-hot representation）僅僅將詞符號化，不包含任何語義信息。如何將語義融入到詞表示中？Harris 在 1954 年提出的分布假說（ distributional hypothesis）為這一設(shè)想提供了理論基礎(chǔ)：上下文相似的詞，其語義也相似。Firth 在 1957 年對分布假說進行了進一步闡述和明確：詞的語義由其上下文決定（ a word is characterized by thecompany it keeps）。
到目前為止，基于分布假說的詞表示方法，根據(jù)建模的不同，主要可以分為三類：基于矩陣的分布表示、基于聚類的分布表示和基于神經(jīng)網(wǎng)絡(luò)的分布表示。盡管這些不同的分布表示方法使用了不同的技術(shù)手段獲取詞表示，但由于這些方法均基于分布假說，它們的核心思想也都由兩部分組成：一、選擇一種方式描述上下文；二、選擇一種模型刻畫某個詞（下文稱“目標(biāo)詞”）與其上下文之間的關(guān)系。

三、NLP語言模型
在詳細介紹詞的分布式表示之前，需要將自然語言處理中的一個關(guān)鍵概念描述清楚：語言模型。語言模型包括文法語言模型和統(tǒng)計語言模型。一般我們指的是統(tǒng)計語言模型。之所以要將語言模型擺在詞表示方法之前，是因為后面的表示方法馬上要用到這一概念。
統(tǒng)計語言模型：統(tǒng)計語言模型把語言（詞的序列）看作一個隨機事件，并賦予相應(yīng)的概率來描述其屬于某種語言集合的可能性。給定一個詞匯集合 V，對于一個由 V 中的詞構(gòu)成的序列S = ?w1, · · · , wT ? ∈ Vn，統(tǒng)計語言模型賦予這個序列一個概率P(S)，來衡量S 符合自然語言的語法和語義規(guī)則的置信度。
用一句簡單的話說，就語言模型就是計算一個句子的概率大小的這種模型。有什么意義呢？一個句子的打分概率越高，越說明他是更合乎人說出來的自然句子。
就是這么簡單。常見的統(tǒng)計語言模型有N元文法模型（N-gram Model），最常見的是unigram model、bigram model、trigram model等等。形式化講，統(tǒng)計語言模型的作用是為一個長度為 m 的字符串確定一個概率分布 P(w1; w2; :::; wm)，表示其存在的可能性，其中 w1 到 wm 依次表示這段文本中的各個詞。一般在實際求解過程中，通常采用下式計算其概率值：

同時通過這些方法均也可以保留住一定的詞序信息，這樣就能把一個詞的上下文信息capture住。
具體的語言模型詳情屬于街貨，詳細請自行搜索。

四、詞的分布式表示
1. 基于矩陣的分布表示
基于矩陣的分布表示通常又稱為分布語義模型，在這種表示下，矩陣中的一行，就成為了對應(yīng)詞的表示，這種表示描述了該詞的上下文的分布。由于分布假說認為上下文相似的詞，其語義也相似，因此在這種表示下，兩個詞的語義相似度可以直接轉(zhuǎn)化為兩個向量的空間距離。
常見到的Global Vector 模型（ GloVe模型）是一種對“詞-詞”矩陣進行分解從而得到詞表示的方法，屬于基于矩陣的分布表示。

2. 基于聚類的分布表示
基于聚類的分布表示我也還不是太清楚，所以就不做具體描述。

3. 基于神經(jīng)網(wǎng)絡(luò)的分布表示，詞嵌入（ word embedding）
基于神經(jīng)網(wǎng)絡(luò)的分布表示一般稱為詞向量、詞嵌入（ word embedding）或分布式表示（ distributed representation）。這正是我們的主角today。
神經(jīng)網(wǎng)絡(luò)詞向量表示技術(shù)通過神經(jīng)網(wǎng)絡(luò)技術(shù)對上下文，以及上下文與目標(biāo)詞之間的關(guān)系進行建模。由于神經(jīng)網(wǎng)絡(luò)較為靈活，這類方法的最大優(yōu)勢在于可以表示復(fù)雜的上下文。在前面基于矩陣的分布表示方法中，最常用的上下文是詞。如果使用包含詞序信息的 n-gram 作為上下文，當(dāng) n 增加時， n-gram 的總數(shù)會呈指數(shù)級增長，此時會遇到維數(shù)災(zāi)難問題。而神經(jīng)網(wǎng)絡(luò)在表示 n-gram 時，可以通過一些組合方式對 n 個詞進行組合，參數(shù)個數(shù)僅以線性速度增長。有了這一優(yōu)勢，神經(jīng)網(wǎng)絡(luò)模型可以對更復(fù)雜的上下文進行建模，在詞向量中包含更豐富的語義信息。

五、詞嵌入（ word embedding）
1、概念
? ? ? ??基于神經(jīng)網(wǎng)絡(luò)的分布表示又稱為詞向量、詞嵌入，神經(jīng)網(wǎng)絡(luò)詞向量模型與其它分布表示方法一樣，均基于分布假說，核心依然是上下文的表示以及上下文與目標(biāo)詞之間的關(guān)系的建模。
前面提到過，為了選擇一種模型刻畫某個詞（下文稱“目標(biāo)詞”）與其上下文之間的關(guān)系，我們需要在詞向量中capture到一個詞的上下文信息。同時，上面我們恰巧提到了統(tǒng)計語言模型正好具有捕捉上下文信息的能力。那么構(gòu)建上下文與目標(biāo)詞之間的關(guān)系，最自然的一種思路就是使用語言模型。從歷史上看，早期的詞向量只是神經(jīng)網(wǎng)絡(luò)語言模型的副產(chǎn)品。
2001年， Bengio 等人正式提出神經(jīng)網(wǎng)絡(luò)語言模型（ Neural Network Language Model ，NNLM），該模型在學(xué)習(xí)語言模型的同時，也得到了詞向量。所以請注意一點：詞向量可以認為是神經(jīng)網(wǎng)絡(luò)訓(xùn)練語言模型的副產(chǎn)品。
2、理解
前面提過，one-hot表示法具有維度過大的缺點，那么現(xiàn)在將vector做一些改進：1、將vector每一個元素由整形改為浮點型，變?yōu)檎麄€實數(shù)范圍的表示；2、將原來稀疏的巨大維度壓縮嵌入到一個更小維度的空間。如圖示：

這也是詞向量又名詞嵌入的緣由了。

六、神經(jīng)網(wǎng)絡(luò)語言模型與word2vec
好了，到目前為止我們已經(jīng)對的分布式表示以及詞嵌入的概念的層級關(guān)系有了個理性的認識了，那這跟word2vec有什么聯(lián)系？
1、神經(jīng)網(wǎng)絡(luò)語言模型
上面說，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練語言模型可以得到詞向量，那么，究竟有哪些類型的神經(jīng)網(wǎng)絡(luò)語言模型呢？個人所知，大致有這么些個：
a)?Neural Network Language Model ，NNLM
b)?Log-Bilinear Language Model， LBL
c)?Recurrent Neural Network based Language Model，RNNLM
d)?Collobert 和 Weston 在2008 年提出的 C&W 模型
e)?Mikolov 等人提出了 CBOW（ Continuous Bagof-Words）和 Skip-gram 模型
到這，估計有人看到了兩個熟悉的term：CBOW、skip-gram，有看過word2vec的同學(xué)應(yīng)該對此有所了解。我們繼續(xù)。

2.word2vec與CBOW、Skip-gram
現(xiàn)在我們正式引出最火熱的另一個term：word2vec。
上面提到的5個神經(jīng)網(wǎng)絡(luò)語言模型，只是個在邏輯概念上的東西，那么具體我們得通過設(shè)計將其實現(xiàn)出來，而實現(xiàn)CBOW（ Continuous Bagof-Words）和 Skip-gram 語言模型的工具正是well-known word2vec！另外，C&W 模型的實現(xiàn)工具是SENNA。
所以說，分布式詞向量并不是word2vec的作者發(fā)明的，他只是提出了一種更快更好的方式來訓(xùn)練語言模型罷了。分別是：連續(xù)詞袋模型Continous Bag of Words Model(CBOW)和Skip-Gram Model，這兩種都是可以訓(xùn)練出詞向量的方法，再具體代碼操作中可以只選擇其一，不過據(jù)論文說CBOW要更快一些。
順便說說這兩個語言模型。統(tǒng)計語言模型statistical language model就是給你幾個詞，在這幾個詞出現(xiàn)的前提下來計算某個詞出現(xiàn)的（事后）概率。CBOW也是統(tǒng)計語言模型的一種，顧名思義就是根據(jù)某個詞前面的C個詞或者前后C個連續(xù)的詞，來計算某個詞出現(xiàn)的概率。Skip-Gram Model相反，是根據(jù)某個詞，然后分別計算它前后出現(xiàn)某幾個詞的各個概率。
以“我愛北京天安門”這句話為例。假設(shè)我們現(xiàn)在關(guān)注的詞是“愛”，C＝2時它的上下文分別是“我”，“北京天安門”。CBOW模型就是把“我” “北京天安門” 的one hot表示方式作為輸入，也就是C個1xV的向量，分別跟同一個VxN的大小的系數(shù)矩陣W1相乘得到C個1xN的隱藏層hidden layer，然后C個取平均所以只算一個隱藏層。這個過程也被稱為線性激活函數(shù)(這也算激活函數(shù)？分明就是沒有激活函數(shù)了)。然后再跟另一個NxV大小的系數(shù)矩陣W2相乘得到1xV的輸出層，這個輸出層每個元素代表的就是詞庫里每個詞的事后概率。輸出層需要跟ground truth也就是“愛”的one hot形式做比較計算loss。這里需要注意的就是V通常是一個很大的數(shù)比如幾百萬，計算起來相當(dāng)費時間，除了“愛”那個位置的元素肯定要算在loss里面，word2vec就用基于huffman編碼的Hierarchical softmax篩選掉了一部分不可能的詞，然后又用nagetive samping再去掉了一些負樣本的詞所以時間復(fù)雜度就從O(V)變成了O(logV)。Skip gram訓(xùn)練過程類似，只不過輸入輸出剛好相反。
補充下，Word embedding的訓(xùn)練方法大致可以分為兩類：一類是無監(jiān)督或弱監(jiān)督的預(yù)訓(xùn)練；一類是端對端（end to end）的有監(jiān)督訓(xùn)練。無監(jiān)督或弱監(jiān)督的預(yù)訓(xùn)練以word2vec和auto-encoder為代表。這一類模型的特點是，不需要大量的人工標(biāo)記樣本就可以得到質(zhì)量還不錯的embedding向量。不過因為缺少了任務(wù)導(dǎo)向，可能和我們要解決的問題還有一定的距離。因此，我們往往會在得到預(yù)訓(xùn)練的embedding向量后，用少量人工標(biāo)注的樣本去fine-tune整個模型。
相比之下，端對端的有監(jiān)督模型在最近幾年里越來越受到人們的關(guān)注。與無監(jiān)督模型相比，端對端的模型在結(jié)構(gòu)上往往更加復(fù)雜。同時，也因為有著明確的任務(wù)導(dǎo)向，端對端模型學(xué)習(xí)到的embedding向量也往往更加準(zhǔn)確。例如，通過一個embedding層和若干個卷積層連接而成的深度神經(jīng)網(wǎng)絡(luò)以實現(xiàn)對句子的情感分類，可以學(xué)習(xí)到語義更豐富的詞向量表達。
3.個人對word embedding的理解
現(xiàn)在，詞向量既能夠降低維度，又能夠capture到當(dāng)前詞在本句子中上下文的信息（表現(xiàn)為前后距離關(guān)系），那么我們對其用來表示語言句子詞語作為NN的輸入是非常自信與滿意的。
另外一點很實用的建議，在你做某一項具體的NLP任務(wù)時如你要用到詞向量，那么我建議你：要么1、選擇使用別人訓(xùn)練好的詞向量，注意，得使用相同語料內(nèi)容領(lǐng)域的詞向量；要么2、自己訓(xùn)練自己的詞向量。我建議是前者，因為……坑太多了。

七、后言
說到這里，其實我并沒有想繼續(xù)說下去的打算了，即并沒有打算將word2vec的數(shù)學(xué)原理、詳解啥的統(tǒng)統(tǒng)來一頓講了，因為我發(fā)現(xiàn)網(wǎng)上關(guān)于講解word2vec的文章實在是太多了，多到幾乎所有的文章都是一樣的。所以我也沒有必要再copy一份過來咯。

所以，要詳細了解word2vec、cbow、skip-gram細節(jié)的請您仔細搜索。我相信，在了解了這一系列的前提上下文知識的背景下，你再去讀word2vec相關(guān)的細節(jié)文章時，一定不會感到有多吃力。
另外這也反映出來了一個更大的問題，即網(wǎng)絡(luò)文章缺少critical思維的原創(chuàng)性。
網(wǎng)上隨便一搜“word2vec”、“詞向量”，然后一大堆的關(guān)于word2vec、cbow、skip-gram數(shù)學(xué)公式的講解，并且還都是千篇一律的東西……但最讓人無法理解的是，基本上沒有人去詳細地提一提這些東西他的出現(xiàn)他的存在的上下文、他的發(fā)展的過程、他在整個相關(guān)技術(shù)框架的所處位置等等。這讓我很郁悶……
References：
《How to Generate a Good Word Embedding?》,Siwei Lai, Kang Liu, Liheng Xu, Jun Zhao
《基于神經(jīng)網(wǎng)絡(luò)的詞和文檔語義向量表示方法研究》，來斯惟
《面向自然語言處理的分布式表示學(xué)習(xí)》，邱錫鵬
《Deep?Learning 實戰(zhàn)之 word2vec》

http://www.cnblogs.com/iloveai/p/word2vec.html