深度学习：词嵌入Embedding

http://blog.csdn.net/pipisorry/article/details/76095118

词嵌入

词嵌入其实就是将数据的原始表示表示成模型可处理的或者是更dense的低维表示（lz）。

One-hot Embedding

        假设一共有个物体，每个物体有自己唯一的id，那么从物体的集合到有一个trivial的嵌入，就是把它映射到中的标准基，这种嵌入叫做One-hot embedding/encoding.

[数据预处理：独热编码（One-Hot Encoding）]

一般使用的低维embedding

        应用中一般将物体嵌入到一个低维空间 ，只需要再compose上一个从到的线性映射就好了。每一个 的矩阵都定义了到的一个线性映射: 。当 是一个标准基向量的时候，对应矩阵中的一列，这就是对应id的向量表示。

这个概念用神经网络图来表示如下：

        从id(索引)找到对应的One-hot encoding，然后红色的weight就直接对应了输出节点的值(注意这里没有activation function)，也就是对应的embedding向量。

Note:

1 M随机初始化并且是可训练的，查找x对应的embedding表示其实 等价于 找x在下面这个网络中的权重，而这些权重是可训练的，且对应于矩阵M。

2  关于嵌入维度数量（New Embedding维度）的一般经验法则：

embedding_dimensions =  number_of_categories**0.25

也就是说，嵌入矢量维数应该是类别数量的 4 次方根。如词汇量为 81，建议维数为 3。

低维向量嵌入在tensorflow中的实现：tf.nn.embedding_lookup()

    embedding_map = tf.get_variable(  # 默认参数trainable = True，可训练
        name="embedding_map",
        shape=[self.config.vocab_size, self.config.embedding_size],
        initializer=self.initializer)
    seq_embeddings = tf.nn.embedding_lookup(embedding_map, self.input_seqs)

和下面类似：

matrix = np.random.random([1024, 64])  # 64-dimensional embeddings
ids = np.array([0, 5, 17, 33])
print matrix[ids]  # prints a matrix of shape [4, 64] 

从id类特征（category类）使用embedding_lookup的角度来讲：

1、onehot编码神经网络处理不来。embedding_lookup虽然是随机化地映射成向量，看起来信息量相同，但其实却更加超平面可分。

2、embedding_lookup不是简单的查表，id对应的向量是可以训练的（带有label信息），训练参数个数应该是 category num*embedding size，也就是说lookup是一种全连接层。详见 brain of mat kelcey

3、word embedding其实是有了一个距离的定义，即出现在同一上下文的词的词向量距离应该小，这样生成向量比较容易理解。autoencode、pca等做一组基变换，也是假设原始特征值越接近越相似。但id值的embedding应该是没有距离可以定义，没有物理意义，只是一种特殊的全连接层。

4、用embedding_lookup做id类特征embedding由google的deep&wide提出。阿里 第七章 人工智能，7.6 DNN在搜索场景中的应用(作者：仁重) 中提下了面对的困难，主要是参数数量过多（引入紫色编码层）和要使用针对稀疏编码特别优化过的全连接层( Sparse Inner Product Layer )等。

5、在分类模型中用这种id类特征，主要是希望模型把这个商品记住。但id类特征维度太高，同一个商品的数据量也不大，因此也常常用i2i算法产出的item embedding来替代id特征。

[tf.nn.embedding_lookup函数原理？]

[求通俗讲解下tensorflow的embedding_lookup接口的意思？]

[tf.nn.embedding_lookup]

[what-does-tf-nn-embedding-lookup-function-do]

某小皮

        词嵌入有其它很多方法如word2vec,bert等，embedding lookup只是其中一种。我们可以只使用简单的embedding lookup让模型自己去训练；也可以将embedding lookup中的矩阵先通过word2vec训练好进行初始化，再通过embedding lookup训练；或者只使用vord2vec进行初始化后，embedding lookup设置成不训练。

Word2vec

[深度学习：词嵌入之word2vec]

其它的Word Representation

 

Word level representation from characters embeddings    Bidirectional LSTM on top of word representation to extract contextual representation of each word

右图中的context应该是指句子的上下文。

[Sequence Tagging with Tensorflow]

 

句子embedding

1 词向量直接求平均或者最大值：对句子中所有单词直接求平均, 每个单词的权重相同, 得到sentence embedding。

2 使用每个词的TF-IDF值为权重, 加权平均, 得到sentence embedding。

3 sif sentence embedding使用预训练好的词向量, 使用加权平均的方法, 对句子中所有词对应的词向量进行计算, 得到整个句子的embedding向量：模型的输入是一个已有的word embedding，然后通过加权求平均的方法求得sentence的embedding，最后使用主成分分析去掉一些special direction，即在完成词加权平均之后，移除所有行为向量的公共主成分：v_s -= u*u^t*v_s。

        其中v_s表示加权平均之后的结果，u表示所有句子向量进行特征分解之后，最大特征值对应的特征向量，相当于所有句子向量的最大主成分，这样就把所有行为链路中彼此相关的一部分去除，只保留反应序列特性的成分。
[论文阅读 A SIMPLE BUT TOUGH-TO-BEAT BASELINE FOR SEN- TENCE EMBEDDINGS]

[A simple but tough-to-beat baseline for sentence embedding]

 

 

词向量维度的选择

On the Dimensionality of Word Embedding

词向量集合的距离度量：PIP loss，基于此可以选择最优词向量维度

文章分析了LSA, Word2vec, Glove对于不同任务的最优维度

[On the Dimensionality of Word Embedding]

from: http://blog.csdn.net/pipisorry/article/details/76095118

ref: [tensorflow对嵌入概念的解释]

[深度学习、NLP 和表示法（Chris Olah 的博客）]

[TensorFlow Embedding Projector]