探秘Word2Vec(六)-负采样方法

在基于Hierarchical Softmax的Skip-gram模型和CBOW模型中,负采样是一个很重要的环节,对于一个给定的词w,我们如何生成NEG(w)呢?
词典D中的词在语料C中出现的次数有高有低,对于那些高频词,我们希望它被选为负样本的概率比较大,对于那些低频词,我们希望它被选中的概率比较小,这是我们对于负采样过程的一个大致要求,本质上可以认为是一个带权采样的问题。
我们首先通过一段的通俗的描述来带大家认识一下带权采样的过程:


探秘Word2Vec(六)-负采样方法_第1张图片

接下来再看一下word2vec中对于负采样的做法,本质上和带权采样的做法类似:

探秘Word2Vec(六)-负采样方法_第2张图片

你可能感兴趣的:(探秘Word2Vec(六)-负采样方法)