05 神经网络语言模型（独热编码+词向量的起源）
统计语言模型
统计+语言模型--》用统计的方法去完成以下两个和人说的话相关的任务
语言模型 = 语言（人说的话） + 模型（去完成两个任务）
- 比较，“词性”，“磁性”
- 预测下一个单词（填空）
n 元语言模型
取 a（2，3，4） 个词
神经网络语言模型
神经网络+语言模型--》用神经网络的方法去完成以下两个和人说的话相关的任务。
第二个任务：
“判断”，“一个”，“词”，“的”，“___”
假设词库里有“词性”和“火星”
P(__|“判断”，“一个”，“词”，“的”)
词性
w1,w2,w3,w4（上述 4 个单词的独热编码）
w1*Q=c1,
w2*Q=c2,
w3*Q=c3,
w4*Q=c4,
C=[c1,c2,c3,c4]
Q就是一个随机矩阵，是一个参数（可学习）
“判断”，“这个”，“词”，“的”，“词性”
softmax（U[tanh(WC+b1)]+b2）== [0.1, 0.1, 0.2, 0.2, 0.4] \(\in[1,V_L]\)
独热编码 （one-hot 编码）
独热编码：让计算机认识单词
词典 V（新华字典里面把所有词集合成一个集合 V）
假设词典里面只有 8 个单词
计算机不认识单词的
但是我们要计算机认识单词
“fruit”
独热编码：给出一个 8*8 的矩阵
“time” --》 10000000
“fruit” --》 01000000
“banana” --》 00000001
余弦相似度 去计算两者的相似度（0）--词向量（矩阵乘法）
词向量（神经网络语言模型的副产品 Q）
给我任何一个词，
“判断” --》 独热编码w1 [1,0,0,0,0]
w1*Q =c1 （“判断”这个词的词向量）
词向量：就是用一个向量来表示一个单词
可以控制词向量的维度（大小）
如果我们得到的词向量，第一个问题也被解决了，（下游任务）
总结
神经网络语言模型：通过神经网络解决两个人说的话的问题
有一个副产品：Q 矩阵--》新的词向量（词向量可以选择词向量的维度，可以求两个词之间的相似程度）
下游任务
