摘要：RNN和LSTM 简略表示RNN层：长方形节点中包含了矩阵乘积、偏置的和、tanh函数的变换。将下面这个公式表示成一个tanh节点。 LSTM：Long Short-Term Memory（长短期记忆），长时间维持短期记忆。 LSTM与RNN的接口(输入输出)如下图，不同地方在于，LSTM还有路径c 阅读全文
nlp RNNLM
2022-04-05 14:59 by jym蒟蒻, 327 阅读, 0 推荐, 收藏, 编辑
摘要：RNNLM 基于RNN的语言模型称为RNNLM(Language Model)。 Embedding 层：将单词ID转化为单词的分布式表示（单词向量）。 RNN层：向下一层(上方)输出隐藏状态，同时也向下一时刻的RNN层(右边)输出隐藏状态。 对于“you say goodbye and i say 阅读全文
nlp RNN
2022-04-05 14:58 by jym蒟蒻, 155 阅读, 0 推荐, 收藏, 编辑
摘要：RNN（Recurrent Neural Network）循环神经网络。 类比血液在体内循环，从过去一直被更新到现在。 RNN具有环路。这个环路可以使数据不断循环。通过数据的循环，RNN一边记住过去的数据，一边更新到最新的数据。 RNN层的循环结构 RNN层的循环结构和它的展开如下图所示。下面的多个 阅读全文
nlp 改进CBOW模型
2022-04-05 14:56 by jym蒟蒻, 161 阅读, 0 推荐, 收藏, 编辑
摘要：复习 首先复习一下之前的CBOW笔记。 采用推理的方法认知单词： CBOW模型的核心思路：给出周围的单词（上下文）时，预测目标词处会出现什么单词。 要用神经网络处理单词，需要先将单词转化为固定长度的向量，这就引出了单词的表示。 单词的表示：将单词转化为固定长度的向量(one-hot 表示)，神经网络 阅读全文
nlp Embedding改进CBOW
2022-04-05 14:54 by jym蒟蒻, 61 阅读, 0 推荐, 收藏, 编辑
摘要：Embedding改进CBOW 假设词汇量为 100 万个时的 CBOW 模型如下，输入层和输出层存在 100 万个神经元。 下面两个问题导致耗时严重。 问题一、输入层的 one-hot 表示和权重矩阵的乘积。one-hot 表示占用内存过多，计算 one-hot 表示与权重矩阵 的乘积，需要花费大 阅读全文
nlp 二分类 改进CBOW
2022-04-05 14:52 by jym蒟蒻, 98 阅读, 0 推荐, 收藏, 编辑
摘要：二分类负采样方法 多分类问题处理为二分类问题，需要能够正确地对正例和负例进行分类。 如果以所有的负例为对象，词汇量将增加许多，无法处理。作为一种近似方法，将只使用少数负例。 负采样方法：求正例作为目标词时的损失，同时采样(选出)若干个负例，对这些负例求损失。然后，将正例和采样出来的负例的损失加起来， 阅读全文
nlp skip gram模型
2022-04-05 14:49 by jym蒟蒻, 278 阅读, 0 推荐, 收藏, 编辑
摘要：skip gram模型的实现 CBOW模型的概率表示： P(A)：A发生的概率。 P(A,B)：事件A和事件B同时发生的概率，称为联合概率。 P(A|B)：在给定事件B的信息后，事件A发生的概率，称为后验概率。 CBOW模型：当给定某个上下文时，输出目标词的概率。 用数学式来表示给定上下文wt-1和 阅读全文
nlp CBOW模型实现
2022-04-05 14:47 by jym蒟蒻, 206 阅读, 0 推荐, 收藏, 编辑
摘要：实现CBOW模型类 初始化：初始化方法的参数包括词汇个数 vocab_size 和中间层的神经元个数 hidden_size。首先生成两个权重（W_in 和 W_out），并用一些小的随机值初始化这两个权重。设置astype(‘f’)，初始化将使用 32 位的浮点数。 生成层：生成两个输入侧的 Ma 阅读全文
nlp CBOW模型
2022-04-05 14:44 by jym蒟蒻, 481 阅读, 0 推荐, 收藏, 编辑
摘要：采用推理的方法认知单词、CBOW模型 基于计数的方法，根据一个单词周围的单词的出现频数来表示该单词。需要生成所有单词的共现矩阵，再对这个矩阵进行 SVD，以获得密集向量，如果语料库处理的单词数量非常大，将需要大量的计算资源和时间。基于计数的方法使用整个语料库的统计数据(共现矩阵、PPMI)，通过一次 阅读全文
nlp 计数法 PTB数据集
2022-04-05 14:37 by jym蒟蒻, 183 阅读, 0 推荐, 收藏, 编辑
摘要：计数方法应用于PTB数据集 PTB数据集 ptb.py 使用ptb.py 计数方法应用于PTB数据集 PTB数据集 内容如下： 一行保存一个句子；将稀有单词替换成特殊字符 < unk > ；将具体的数字替换 成“N” we 're talking about years ago before any 阅读全文