CBOW原理 运用CBOW模型，给出一个语句”i drink milk everyday“， 预测 ”milk“。假设第一次随机化初始矩阵和第二次随机化初始矩阵分别为：

运用CBOW模型，给出一个语句”i drink milk everyday“， 预测 ”milk“。假设第一次随机化初始矩阵和第二次随机化初始矩阵分别为：

写出：

1.第一层输入词向量(上下文嵌入词向量)，

2.词向量加总后的平均值

3.得分向量（输出层的输入向量）

”i drink milk everyday“， 预测 ”milk“根据基本公式，使用MATLAB语言解答如下：

1.第一层输入词向量(上下文嵌入词向量)，

设：

i=[1 0 0 0]';

drink=[0 1 0 0]';

everyday=[0 0 0 1]';

milk=[0 0 1 0]';

w=[1 2 3 0; 1 2 1 2;-1 1 1 1];

第一层输入的词向量为

in_i =

     [1

     1

    -1]

in_drink =

     [2

     2

     1]

in_everyday =

  [   0

     2

     1 ]

2.词向量加总后的平均值

avr=(in_i+in_drink+in_everyday)./3

avr =

[    1.0000

    1.6667

    0.3333]

3.得分向量（输出层的输入向量）

由于w_prime=[1 2 -1;-1 2 -1;1 2 2;0 2 0];

score=w_prime*avr

score =

[    4.0000

    2.0000

    5.0000

    3.3333]

clc;clear all;
i=[1 0 0 0]';
drink=[0 1 0 0]';
everyday=[0 0 0 1]';
w=[1 2 3 0; 1 2 1 2;-1 1 1 1];
in_i=w*i
in_drink=w*drink
in_everyday=w*everyday
xw=in_i+in_everyday+in_drink

avr=(in_i+in_drink+in_everyday)./3
w_prime=[1 2 -1;-1 2 -1;1 2 2;0 2 0];

score=w_prime*avr

标签：drink,avr,everyday,随机化,CBOW,milk,向量
来源： https://blog.csdn.net/weixin_39257042/article/details/88555657