其他分享
首页 > 其他分享> > 李宏毅深度学习笔记06---word embedding(词嵌入也称词向量)

李宏毅深度学习笔记06---word embedding(词嵌入也称词向量)

作者:互联网

1.one-of-N encoding 与word embedding 

 

2.Word Embedding

(1)生成词向量是无监督的

 

 

 

(2)word embedding 的含义

<1>在没有监督的情况下通过阅读大量文档来机器学习单词的含义

<2>一个词可以通过上下文来理解

(3)如何利用上下文

<1>Count based 

如果两个单词wi,wj经常一起出现,V(wi)与V(wj)彼此会更接近

<2>Prediction-based

案例:

如果输入马英九或蔡英文,输出“宣誓就职”应该都有大的可能性,则z1,z2...zn应该在相同的区域内。

3.word embedding 训练过程

收集数据,分词,将词输入到Neural network中,看神经网络的输出,看输出与期望值的交叉熵。

 

 

 

(1)Prediction-based的两种典型模型

<1>CBOW(continuous bag of word) 连续词包:给定上下文,预测词

<2>给定词,预测上下文

 

(2)word vector 的一些意义

 

标签:word,李宏毅,wj,wi,embedding,based,上下文
来源: https://www.cnblogs.com/luckyplj/p/13127217.html