NLP自然语言处理（四）—— Word2Vec(CBOW & Skip-Gram) & Python实现_cbow python

Word2Vec

NLP非常核心、非常重要、非常基础的技术

Word2Vec就是用神经网络把词转换成向量的模型

Word2Vec的发展

WordNet是Word2Vec的鼻祖

Word2Vec是2013年由Mikolov提出

Word2Vec模型

man比woman和king更像

所以可以看出，词之间也有远近关系的

Word2Vec的不足

①使用了唯一的词向量，对于多义词没有很好的效果

②context很小，没有使用全局的cooccur 对cooccur的利用少

Word2Vec的两个模型——CBOW和Skip-Gram

CBOW和Skip-Gram相反

CBOW是根据上下文来预测一个词

       例如一个句子，“我爱机器学习”，我们输入我、机器学习，让它预测爱

Skip-Gram是根据一个词，来预测其上文和下文

CBOW连续词袋模型

CBOW, Continous Bag of Word Model

和正常的神经网络一样，都是加权求和，即对wx+b求和，然后通过softmax得到的概率最大的词作为我们的结果

CBOW的特点

①没有隐层

       Word2Vec是一个千层的神经网络

②结合双向上下文，上下文词序无关

③输入低维稠密，映射层求和

     输入是低维稠密，所以计算量还是比较大的

     映射层即上图的PROHECTION

网络结构

Skip-Gram模型

没有隐层

映射层也可以省略

输入爱，输出我，机器学习

当然，输出什么结果，即预测出什么结果，是和语料数据集有关系的

网络结构

Python实现

      在这个例子中，我们使用gensim库中的Word2Vec类来训练一个简单的Word2Vec模型。sentences是一个包含多个句子的列表，每个句子又是一个单词列表。size参数指定了生成的每个单词向量的维度大小，window参数指定了Word2Vec算法中窗口的大小，min_count参数指定了单词的最小出现次数，workers参数指定了训练过程中使用的CPU核数。

from gensim.models import Word2Vec
sentences = [["I", "love", "machine", "learning"],
             ["I", "love", "deep", "learning"],
             ["I", "enjoy", "studying", "machine", "learning"]]
model = Word2Vec(sentences, size=10, window=2, min_count=1, workers=4)
 
#一旦我们训练好了Word2Vec模型，我们可以使用以下代码来查找与指定单词最相似的单词：
print(model.wv.most_similar("machine"))