CS224N Word Vectors 2 and Word Senses_24n&word=

引言

Word2vec回顾、优化、基于统计的词向量、GloVe、词向量评价、词义

基于统计的词向量

词向量目的：希望通过低维稠密向量来表示词的含义

课程中举了一个例子：三个句子，比如对于like这个词，在三个句子中，其左右共出现2次I，1次deep和1次NLP，所以like对应的词向量中，I、deep和NLP维的值分别为2,1,1。

不足点

但这些预训练模型也存在不足：

• 词梳理很多时，矩阵很大，维度很高，需要的存储空间也很大
• 当词的数目是在不断增长，则词向量的维度也在不断增长
• 矩阵很稀疏，即词向量很稀疏，会遇到稀疏计算的问题

https://pdfs.semanticscholar.org/73e6/351a8fb61afc810a8bb3feaa44c41e5c5d7b.pdf

上述链接中的文章对例子中简单的计数方法进行了改进，包括去掉停用词、使用倾斜窗口、使用皮尔逊相关系数等，提出了COALS模型，该模型得到的词向量效果也不错，具有句法特征和语义特征。

GloVe

GloVe的全称是GloVe: bal Vectors for Word Representation

是这门课的老师Christopher D. Manning的研究成果

GloVe目标是综合基于统计和基于预测的两种方法的优点。

模型目标：词进行向量化表示，使得向量之间尽可能多地蕴含语义和语法的信息

流程：输入语料库–> 统计共现矩阵–> 训练词向量–>输出词向量

构建统计共现矩阵X

KaTeX parse error: No such environment: equation at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲}̲ X_{i j} \end{e…

i表示上下文单词

j表示在特定大小的上下文窗口（context window）内共同出现的次数。这个次数的最小单位是1，但是GloVe不这么认为：它根据两个单词在上下文窗口的距离dd.

提出了一个衰减函数（decreasing weighting）：用于计算权重，也就是说距离越远的两个单词所占总计数（total count）的权重越小。

构建词向量和共现矩阵之间的关系

KaTeX parse error: No such environment: equation at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲}̲ w_{i}^{T} \til…

其中，$ w_{i}^{T} $ 和 $ \tilde{w}{j} $是我们最终要求解的词向量；$ b{i} $和$ \tilde{b}{j} $分别是两个词向量的biasterm那它到底是怎么来的，为什么要使用这个公式？为什么要构造两个词向量$ w{i}^{T} $ 和 $ \tilde{w}_{j} $？

有了上述公式之后，我们可以构建Loss function:
$$J=\sum _{i,j=1}^{V}f\left(X_{ij}\right){\left(w_i^T{\tilde{w}}_j+b_i+{\tilde{b}}_j-\log \left(X_{ij}\right)\right)}^2$$
loss function的基本形式就是最简单的mean square loss，只不过在此基础上加了一个权重函数$ f\left(X_{i j}\right) $，那么这个函数起了什么作用，为什么要添加这个函数呢？我们知道在一个语料库中，肯定存在很多单词他们在一起出现的次数是很多的（frequent co-occurrences），那么我们希望：

• 这些单词的权重要大于那些很少在一起出现的单词，因此这个函数要是非递减函数（non-decreasing）；
• 但这个权重也不能过大，当到达一定程度之后当不再增加；
• 如果两个单词没有在一起出现，也就是$X_{ij}$,那么他们应该不参与到loss function的计算当中去，也就是f(x)要满足f(x)=0

为此，作者提出了以下权重函数：
f ( x ) = { ( x / x max ⁡ ) α  if  x < x max  1  otherwise  f(x)=\left\{

$$\begin{array}{cc} \left(x / x_{\max }\right)^{\alpha} & \text { if } x<x_{\text {max }} \\ 1 & \text { otherwise } \end{array}$$ \right. f(x)={(x/xmax​)α1​ if x<xmax ​ otherwise ​
实验中作者设定$x_{\max }=100$，并且发现$\alpha =3/4$时效果比较好。