Word2vec 讨论
我没有在自然语言处理完成。但基于Deep Learning 关注,自然知道一些Word2vec强大。
Word2vec 是google 在2013年提供的一款将词表征为实数值向量的高效工具。而Word2vec输出的词向量可用于做NLP 相关的工作。比方聚类、找同义词、词性分析等。Word2vec 大受欢迎的一个原因是其高效性。 Tomas Mikolov 在[1] 中指出一个优化的单机版本号一天能够训练上千亿词(汗!
)。
关于词的概念。这里的词能够并不一定真的就是单词,全然能够是具有一定意义的单元块,比方国外音乐站点就用word2vec来训练用户的听歌记录。这里的单元块就是歌曲编号。假设用户对音乐类型的喜好是一致的,那么训练后就能找到与某个歌曲相似的歌曲,这样就能给用户进行推荐了。相信类似这种样例还有非常多。
(关于这点思考:词能够使一个标号或者理解为一个类的对象!
)
先上图:
个人感觉这个解说的非常具体~
注意:1。 输入为一个窗体的待预測上下文
2. 输入层Wj 是维度为K的列向量,(syn0 编码?)如有 N个输入词。则输入大小为k*N
3. 隐层 Tk 是输入层Wj 的加权,隐层大小为N*k
4. 输出层的叶节点是语料里的词,如红楼梦分词后的独立词
5. 叶节点有唯一的编码。从根节点開始算第一层(二叉树构建算法 Huffman树)
理解非常浅显~
以后持续更新~
參考:
[1]Distributed Representations of Words and Phrases and their Compositionality (经典论文)
[2] Felven----再谈word2vec (Felven word2vec 系列非常实践)
[3] Felven----关键词聚类
[5] word2vec傻瓜剖析 (个人认为还是先看看Felven的实验后。再看这个比較有感觉点!)
[6] 有道的word2vec 解说 (非常具体。几个DL大牛的关系图非常有意思!
[10] word2vec使用指导 (zhoubl668的博客,有好几篇是介绍Word2vec的,值得推荐。)
[11] Deep Learning in NLP (一)词向量和语言模型 (非常具体!
)
如转载,请标明转自:http://write.blog.csdn.net/postedit/41078835
版权声明:本文博客原创文章,博客,未经同意,不得转载。