利用 TensorFlow 入门 Word2Vec
作者：chen_h
微信号 & QQ：862251340
微信公众号：coderpai
简书地址：https://www.jianshu.com/p/4e16ae0aad25
我认为学习算法的最好方法就是尝试去实现它，因此这个教程我们就来学习如何利用 TensorFlow 来实现词嵌入。
这篇文章我们不会去过多的介绍一些词向量的内容，所以很多 king - man - woman - queue 的例子会被省去，直接进入编码实践过程。
我们如何设计这些词嵌入？
对于如何设计词嵌入有很多的技术，这里我们讨论一种非常有名的技术。与我们往常的认知不同，word2vec 并不是一个深层的网络，它只是一个三层的浅层网络。
注意：word2vec 有很多的技术细节，但是我们会跳过这些细节，来使得更加容易理解。
word2vec 如何工作？
word2vec 算法的设计如下：
- 它是一个三层的网络（一个输入层 + 一个隐藏层 + 一个输出层）。
- 模型输入一个词，然后去预测它周围的词。
- 移除最后一层（输出层），保留输入层和隐藏层。
- 现在，输入一个词库中的词，然后隐藏层的输出就是输入词的词向量。
就是这么简单，这个三层网络就可以得到一个还不错的词向量。
接下来就让我们来实现这个模型。完整的代码可以点击 Github，但我建议你先不要看完整的代码，先一步一步学习。
接下来，我们先定义我们要处理的原始文本：
import numpy as np
import tensorflow as tf
corpus_raw = 'He is the king . The king is royal . She is the royal queen '
# convert to lower case
corpus_raw = corpus_raw.lower()现在，我们需要将输入的原始文本数据转换成一个输入输出对，以便我们对输入的词，可以去预测它附近的词。比如，我们确定一个中心词， 窗口大小 window_size 设置为 n ，那么我们就是去预测中心词前面 n 个词和后面 n 个词。Chris McCormick 的这篇博客给出了比较详细的解释。
注意：如果中心词是在句子的开头或者末尾，那么我们就忽略窗口无法获得的词。
在做这个之前，我们需要创建一个字典，用来确定每个单词的索引，具体如下：
words = []
for word in corpus_raw.split():
if word != '.': # because we don't want to treat . as a word
words.append(word)
words = set(words) # so that all duplicate words are removed
word2int = {}
int2word = {}
vocab_size = len(words) # gives the total number of unique words
for i,word in enumerate(words):
word2int[word] = i
int2word[i] = word这个字典的运行结果如下：
print(word2int['queen'])
-> 42 (say)
print(int2word[42])
-> 'queen'接下来，我们将我们的句子向量转换成单词列表，如下：
# raw sentences is a list of sentences.
raw_sentences = corpus_raw.split('.')
sentences = []
for sentence in raw_sentences:
sentences.append(sentence.split())上面代码将帮助我们得到一个句子的列表，列表中的每一个元素是句子的单词列表，如下：
print(sentences)
-> [['he', 'is', 'the', 'king'], ['the', 'king', 'is', 'royal'], ['she', 'is', 'the', 'royal', 'queen']]接下来，我们要产生我们的训练数据：
data = []
WINDOW_SIZE = 2
for sentence in sentences:
for word_index, word in enumerate(sentence):
for nb_word in sentence[max(word_index - WINDOW_SIZE, 0) : min(word_index + WINDOW_SIZE, len(sentence)) + 1] :
if nb_word != word:
data.append([word, nb_word])这个程序给出了单词输入输出对，我们将窗口的大小设置为 2。
print(data)
[['he', 'is'],
['he', 'the'],
['is', 'he'],
['is', 'the'],
['is', 'king'],
['the', 'he'],
['the', 'is'],
.
.
.
]至此，我们有了我们的训练数据，但是我们需要将它转换成计算机可以理解的表示，即数字。也就是我们之前设计的 word2int 字典。
我们再进一步表示，将这些数字转换成 0-1 向量。
i.e.,
say we have a vocabulary of 3 words : pen, pineapple, apple
where
word2int['pen'] -> 0 -> [1 0 0]
word2int['pineapple'] -> 1 -> [0 1 0]
word2int['apple'] -> 2 -> [0 0 1]那么为什么要表示成 0-1 向量呢？这个问题我们后续讨论。
# function to convert numbers to one hot vectors
def to_one_hot(data_point_index, vocab_size):
temp = np.zeros(vocab_size)
temp[data_point_index] = 1
return temp
x_train = [] # input word
y_train = [] # output word
for data_word in data:
x_train.append(to_one_hot(word2int[ data_word[0] ], vocab_size))
y_train.append(to_one_hot(word2int[ data_word[1] ], vocab_size))
# convert them to numpy arrays
x_train = np.asarray(x_train)
y_train = np.asarray(y_train)现在，我们有了 x_train 和 y_train 数据：
print(x_train)
->
[[ 0. 0. 0. 0. 0. 0. 1.]
[ 0. 0. 0. 0. 0. 0. 1.]
[ 0. 0. 0. 0. 0. 1. 0.]
[ 0. 0. 0. 0. 0. 1. 0.]
[ 0. 0. 0. 0. 0. 1. 0.]
[ 0. 0. 0. 0. 1. 0. 0.]
[ 0. 0. 0. 0. 1. 0. 0.]
[ 0. 0. 0. 0. 1. 0. 0.]
[ 0. 0. 0. 1. 0. 0. 0.]
[ 0. 0. 0. 1. 0. 0. 0.]
[ 0. 0. 0. 0. 1. 0. 0.]
[ 0. 0. 0. 0. 1. 0. 0.]
[ 0. 0. 0. 1. 0. 0. 0.]
[ 0. 0. 0. 1. 0. 0. 0.]
[ 0. 0. 0. 1. 0. 0. 0.]
[ 0. 0. 0. 0. 0. 1. 0.]
[ 0. 0. 0. 0. 0. 1. 0.]
[ 0. 0. 0. 0. 0. 1. 0.]
[ 0. 1. 0. 0. 0. 0. 0.]
[ 0. 1. 0. 0. 0. 0. 0.]
[ 0. 0. 1. 0. 0. 0. 0.]
[ 0. 0. 1. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0. 1. 0.]
[ 0. 0. 0. 0. 0. 1. 0.]
[ 0. 0. 0. 0. 0. 1. 0.]
[ 0. 0. 0. 0. 1. 0. 0.]
[ 0. 0. 0. 0. 1. 0. 0.]
[ 0. 0. 0. 0. 1. 0. 0.]
[ 0. 0. 0. 0. 1. 0. 0.]
[ 0. 1. 0. 0. 0. 0. 0.]
[ 0. 1. 0. 0. 0. 0. 0.]
[ 0. 1. 0. 0. 0. 0. 0.]
[ 1. 0. 0. 0. 0. 0. 0.]
[ 1. 0. 0. 0. 0. 0. 0.]]这两个数据的维度如下：
print(x_train.shape, y_train.shape)
->
(34, 7) (34, 7)
# meaning 34 training points, where each point has 7 dimensions构造 TensorFlow 模型
# making placeholders for x_train and y_train
x = tf.placeholder(tf.float32, shape=(None, vocab_size))
y_label = tf.placeholder(tf.float32, shape=(None, vocab_size))从上图中可以看出，我们将训练数据转换成了另一种向量表示。
EMBEDDING_DIM = 5 # you can choose your own number
W1 = tf.Variable(tf.random_normal([vocab_size, EMBEDDING_DIM]))
b1 = tf.Variable(tf.random_normal([EMBEDDING_DIM])) #bias
hidden_representation = tf.add(tf.matmul(x,W1), b1)接下来，我们对隐藏层的数据进行处理，并且对其附近的词进行预测。预测词的方法我们采用 softmax 方法。
W2 = tf.Variable(tf.random_normal([EMBEDDING_DIM, vocab_size]))
b2 = tf.Variable(tf.random_normal([vocab_size]))
prediction = tf.nn.softmax(tf.add( tf.matmul(hidden_representation, W2), b2))所以，完整的模型是：
input_one_hot ---> embedded repr. ---> predicted_neighbour_prob
predicted_prob will be compared against a one hot vector to correct it.现在，我们可以训练这个模型：
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init) #make sure you do this!
# define the loss function:
cross_entropy_loss = tf.reduce_mean(-tf.reduce_sum(y_label * tf.log(prediction), reduction_indices=[1]))
# define the training step:
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(cross_entropy_loss)
n_iters = 10000
# train for n_iter iterations
for _ in range(n_iters):
sess.run(train_step, feed_dict={x: x_train, y_label: y_train})
print('loss is : ', sess.run(cross_entropy_loss, feed_dict={x: x_train, y_label: y_train}))在训练的过程中，你在控制台可以得到如下结果：
loss is : 2.73213
loss is : 2.30519
loss is : 2.11106
loss is : 1.9916
loss is : 1.90923
loss is : 1.84837
loss is : 1.80133
loss is : 1.76381
loss is : 1.73312
loss is : 1.70745
loss is : 1.68556
loss is : 1.66654
loss is : 1.64975
loss is : 1.63472
loss is : 1.62112
loss is : 1.6087
loss is : 1.59725
loss is : 1.58664
loss is : 1.57676
loss is : 1.56751
loss is : 1.55882
loss is : 1.55064
loss is : 1.54291
loss is : 1.53559
loss is : 1.52865
loss is : 1.52206
loss is : 1.51578
loss is : 1.50979
loss is : 1.50408
loss is : 1.49861
.
.
.随着损失值的不断下降，最终会达到一个稳定值。即使我们无法获得很精确的结果，但是我们也不在乎，因为我们感兴趣的是 W1 和 b1 的值，即隐藏层的权重。
让我们来看看这些权重，如下：
print(sess.run(W1))
print('----------')
print(sess.run(b1))
print('----------')
->
[[-0.85421133 1.70487809 0.481848 -0.40843448 -0.02236851]
[-0.47163373 0.34260952 -2.06743765 -1.43854153 -0.14699034]
[-1.06858993 -1.10739779 0.52600187 0.24079895 -0.46390489]
[ 0.84426647 0.16476244 -0.72731972 -0.31994426 -0.33553854]
[ 0.21508843 -1.21030915 -0.13006891 -0.24056002 -0.30445012]
[ 0.17842589 2.08979321 -0.34172744 -1.8842833 -1.14538431]
[ 1.61166084 -1.17404735 -0.26805425 0.74437028 -0.81183684]]
----------
[ 0.57727528 -0.83760375 0.19156453 -0.42394346 1.45631313]
----------为什么采用 0-1 向量？
当我们将一个 0-1 向量与 W1 相乘时，我们基本上可以将 W1 与 0-1 向量对应的那个 1 相乘的结果就是词向量。也就是说， W1 就是一个数据查询表。
在我们的程序中，我们也添加了一个偏置项 b1 ，所以我们也需要将它加上。
vectors = sess.run(W1 + b1)
# if you work it out, you will see that it has the same effect as running the node hidden representation
print(vectors)
->
[[-0.74829113 -0.48964909 0.54267412 2.34831429 -2.03110814]
[-0.92472583 -1.50792813 -1.61014366 -0.88273793 -2.12359881]
[-0.69424796 -1.67628145 3.07313657 -1.14802659 -1.2207377 ]
[-1.7077738 -0.60641652 2.25586247 1.34536338 -0.83848488]
[-0.10080346 -0.90931684 2.8825531 -0.58769202 -1.19922316]
[ 1.49428082 -2.55578995 2.01545811 0.31536022 1.52662396]
[-1.02735448 0.72176981 -0.03772151 -0.60208392 1.53156447]]如果我们想得到 queen 的向量，我们可以用如下表示：
print(vectors[ word2int['queen'] ])
# say here word2int['queen'] is 2
->
[-0.69424796 -1.67628145 3.07313657 -1.14802659 -1.2207377 ]那么这些漂亮的向量有什么用呢？
我们写一个如何去查找最相近向量的函数，当然这个写法是非常简单粗糙的。
def euclidean_dist(vec1, vec2):
return np.sqrt(np.sum((vec1-vec2)**2))
def find_closest(word_index, vectors):
min_dist = 10000 # to act like positive infinity
min_index = -1
query_vector = vectors[word_index]
for index, vector in enumerate(vectors):
if euclidean_dist(vector, query_vector) < min_dist and not np.array_equal(vector, query_vector):
min_dist = euclidean_dist(vector, query_vector)
min_index = index
return min_index接下来，让我们来测试一下单词 king ，queen 和 royal 这些词。
print(int2word[find_closest(word2int['king'], vectors)])
print(int2word[find_closest(word2int['queen'], vectors)])
print(int2word[find_closest(word2int['royal'], vectors)])
->
queen
king
he我们可以得到如下有趣的结果。
king is closest to queen
queen is closest to king
royal is closest to he第三个数据是我们根据大型语料库得出来的（看起来还不错）。语料库的数据更大，我们得到的结果会更好。（注意：由于权重是随机初始化的，所以我们可能会得到不同的结果，如果有需要，我们可以多运行几次。）
让我们来画出这个向量相关图。
首先，我们需要利用将为技术将维度从 5 减小到 2，所用的技术是：tSNE（teesnee！）
from sklearn.manifold import TSNE
model = TSNE(n_components=2, random_state=0)
np.set_printoptions(suppress=True)
vectors = model.fit_transform(vectors)然后，我们需要对结果进行规范化，以便我们可以在 matplotlib 中更好的对它进行查看。
from sklearn import preprocessing
normalizer = preprocessing.Normalizer()
vectors = normalizer.fit_transform(vectors, 'l2')最后，我们将绘制出图。
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
for word in words:
print(word, vectors[word2int[word]][1])
ax.annotate(word, (vectors[word2int[word]][0],vectors[word2int[word]][1] ))
plt.show()从图中，我们可以看出。she 跟 queen 的距离非常接近，king 与 royal 的距离和 king 与 queen 的距离相同。如果我们有一个更大的语料库，我们可以得到更加复杂的关系图。
为什么会发生这些？
我们给神经网络的任务是预测单词的相邻词。但是我们还没有具体的分析神经网络是如何预测的。因此，神经网络找出单词的向量表示，用来帮助它预测相邻词这个任务。预测相邻词这本身不是一个有趣的任务，我们关心的是隐藏层的向量表示。
为了得到这些表示，神经网络使用了上下文信息。在我们的语料库中，king 和 royal 是作为相邻词出现的，queen 和 royal 也是作为相邻词出现的。
为什么把预测相邻词作为一个任务？
其他的任务也可以用来训练这个词向量任务，比如利用 n-gram 就可以训练出很好的词向量！这里有一篇博客有详细解释。
那么，我们为什么还要使用相邻词预测作为任务呢？因为有一个比较著名的模型称为 skip gram 模型。我们可以使用中间词的相邻单词作为输入，并要求神经网络去预测中间词。这被称为连续词袋模型。
总结
- 词向量是非常酷的一个工具。
- 不要在实际生产环境中使用这个 TensorFlow 代码，我们这里只是为了理解才这样写。生产环境建议使用一些成熟的工具包，比如 gensim
我希望这个简单教程可以帮助到一些人，可以更加深刻的理解什么是词向量。
作者：chen_h
微信号 & QQ：862251340
简书地址：https://www.jianshu.com/p/4e16ae0aad25
CoderPai 是一个专注于算法实战的平台，从基础的算法到人工智能算法都有设计。如果你对算法实战感兴趣，请快快关注我们吧。加入AI实战微信群，AI实战QQ群，ACM算法微信群，ACM算法QQ群。长按或者扫描如下二维码，关注 “CoderPai” 微信号（coderpai）
