关于GLOVE 词嵌入方法的理解_glove词嵌入理解

关于GLOVE 原理的理解

前言：

Glove是基于传统矩阵的LSA方法和基于skip-gram，Cbow训练方法的基础上提出的一种效果优于这两者（及其他很多训练方法）的词向量训练方法。本文主要从其与后者的区别与发展来讲。

与skip-gram的区别

skip-gram 是基于context windows 来训练词向量的，即他的目标函数只选取了固定窗口大小（一般为6-8）的词形成词对来进行训练。
这样的问题是只考虑了局部的词义关系,缺乏全局信息

e.g All over the place was six pence, but he looked up at the moon.
选取place作为center word，context window 为2， 那么注意到的信息就只有over the place was sic pence这么多。

而GLOVE就是为了解决这样的问题，采用了基于平方损失的模型，纳入全局信息，得到了很好的结果。

符号表示：

$X_{ij}:$ 单词 i 出现在 j 的context window中的次数
$X_i={\sum }_k{X}_{ik}$ 表示所有含有 i 的pair出现的次数

$W$: 语料库中词的总数

模型原理

在skip-gram中，我们通过softmax计算单词 j 出现在 i 的context window中的概率：
$$P_{ij}=\frac{exp({\vec{u}}_j^T{\vec{v}}_i)}{{\sum }_{w}exp({\vec{u}}_w^T{\vec{v}}_i)}\text{\hspace{1em}(1)}$$
那么把整个语料库中pair出现的次数都算在内的话
$$J=-\sum _{i\in 语料库}\sum _{j\in context(i)}log{P}_{ij}\text{\hspace{1em}(2)}$$
如果理解了这个式子，会发现上式计算的实际上也是全局的cross-entropy。

在整个语料库中，（i，j）这样的pair也许不止出现一次，由上面的符号表示，将（2）可以重写为：
$$\begin{gathered} J=-\sum _{i=1}^W\sum _{j=1}^W{X}_{ij}log{P}_{ij} \\ =-\sum _i{X}_i\sum _j{q}_{ij}log{P}_{ij}\text{\hspace{1em}(3)} \end{gathered}$$
$q_{ij}$为$X_{ij}/X_i$比例

这样即得到了全局的cross- entropy损失函数，可惜就像skip-gram的缺陷一样，在计算（1）式的分母时，我们需对整个语料库进行计算，这在W足够大时需要极大计算量。
所以，我们考虑用平方损失来替代。
$$J=\sum _i\sum _j{X}_i({\hat{Q}}_{ij}-{\hat{P}}_{ij}{)}^2$$

其中${\hat{Q}}_{ij}=X_{ij},{\hat{P}}_{ij}=exp({\vec{u}}_j^T{\vec{v}}_i)$

这两个值并非概率值，为了计算方便，取了对数。此时前面的系数$X_i$也可以用一个weighted参数来替换掉。最后我们得到了最终的loss-func。

f可以是关于$X_{ij}$的一个函数。

总结

• GloVe 可以使用全局的语料库的数据进行学习，其词嵌入包含全局的信息。
• cross- entropy对于语料库特别大的情况，可能并不是一个很好的选择，这种情况下我们会考虑平方损失。
• 对于Glove来说，center word 和 context word 实际上是地位对等的，因为在全局情况下，一个pair（i，j）i，j 都可以分别作为center和对方的context word
• GloVe 可以用词对的比例来进行理解，同样可以导出本文中的loss-func