Fasttext 文本分类模型
只讲关键，不讲具体训练、loss的设计技巧。
1. 词嵌入模型
NLP的首要问题就是寻求恰当的文本表示方法。因为，良好的文本表示形式，是后续进一步处理的基础。传统的机器学习方法使用 词袋模型，把每个词都做为独立的特征。然而这种方式，丢弃了词语之间的相关信息，往往限制了模型的泛化能力，而且模型输入数据具有上百万的维度，难以处理。因此，另一种词表征方式 "词嵌入" 应运而生。
词嵌入背后的直觉很简单，自然文本中，同时出现的单词在语义上有联系，那么我们可以用某个模型来学习这些联系，这样训练好后，就可以拿出隐含层，作为词的一种表示（降维，embedding），词向量。训练好的词向量的几何性质与词语的语义性质存在着对应关系，比如聚类性质，语义类似的向量之间的距离总是较小，因而这些词会倾向于聚成一类。例如，距离狗（dog）最近的词向量是猫（cat）、鼠（mouse）等等，这些词都代表了动物。聚类性在几何上对应为向量间的距离。
2. 词嵌入的训练方式
word2vec(CBOW，skip-gram) 和Glove模型是无监督训练词向量的热门方式，后面word2vec的作者去了Facebook之后又在CBOW的基础上，提出了fasttext文本分类模型，利用标签的监督信息，训练词向量。
2.1 无监督训练方法-CBOW
- continuous bag-of-word mode，连续词袋模型
- 根据一个词的上下文，预测这个词语本身
2.2 有监督训练方法-fasttext
架构和CBOW其实是一样的，不同之处：
- fasttext 输出是分类标签，用分类标签的监督信息训练词向量
- fasttext 输入是一个句子的所有词，而CBOW是词的词窗内的词语
还加了几个小技巧（在我们模型中没有使用）：
N-garm
词袋模型，丢弃了句子中词语的顺序信息，因此fasttext使用N-garm，把几个词作为一个特征。具体做法是把N-gram当成一个词，也用embedding向量来表示，在计算隐层时，把N-gram的embedding向量也加进去求和取平均。通过bp算法，就可以同时学到每个词的Embeding和n-gram的Embedding了。
具体实现上，由于n-gram的量远比word大的多，完全存下所有的n-gram也不现实。Fasttext采用了Hash桶的方式，把所有的n-gram都哈希到buckets个桶中，哈希到同一个桶的所有n-gram共享一个embedding vector。
subwords
词语char-level含有词语的部分语义信息，比如英文中前缀，后缀，词根等。把整个词当做一个整体，其实丢弃了每个字的信息。。。
因此，将一个词被表示为 n-gram 的词袋，为了区分前后缀情况，”<”， “>”符号被加到了词的前后端。除了词的子串外，词本身也被包含进了 n-gram字母串包。以 where 为例，n=3 的情况下，其子串分别为
<wh, whe, her, ere, re>，where。然后 word vector 就与每一项 n-gram 都相关，表示为 n-gram vector 的和。（这个是在《Enriching Word Vectors with Subword Information》里面提出的）
