文本表示（三）CBOW模型和Skip-gram模型

CBOW模型和Skip-gram模型

在前面提到的神经网络语言模型、c&W模型，都没有缺少隐藏层，而模型运算的高消耗都在输入层到隐藏层的矩阵运算中，如果能减少这部分开销，那么模型会更加高效。而CBOW模型和Skip-gram模型就属于这一类模型。

CBOW模型

CBOW模型的思想与c&w模型的思想类似：输入上下文词语，预测中心目标词。

与c&w模型以优化正样本与负样本之间的差异不同，CBOW模型仍然是以预测目标词的概率为最终目标来建模的。CBOW模型在网络结构上进行了两点简化：

• 输入层不再是上下文词对应的词向量拼接，而是忽略了词序信息，直接采用所有上下文词向量的平均值
• 省略了隐藏层，输入层直接与输出层相连，采用logistic回归的形式计算中心词的概率

通过上面两点的优化，减少了矩阵运算，也较少了一次层之间的运算，使得模型的效率得到了提升。

• 依旧是从训练语料中选取任意的n元组$(n=2C+1)$: $(w_i,C)=(w_{i-C}...w_{i-1}{w}_i{w}_{i+1}...w_{i+C})$
• 将$WC=w_{i-C}...w_{i-1}{w}_{i+1}...w_{i+C}$作为输入，将计算上下文词向量的平均值：$h=\frac{1}{2C}{\sum }_{i-C<=k<=i+C}e(w_k)$
• 直接用softmax利用上面计算的平均值作为输入，来预测中心目标词的概率：$p(w_i|WC)=\frac{exp(h\cdot e(w_i))}{{\sum }_{k=1}^{|v|}exp(h\cdot e(w_k))}$
• CBOW模型的目标函数是最大化所有词概率的对数似然：
  • $L^{\ast }=argma{x}_L{\sum }_{w_i\in V}log(p(w_i|WC))$

Skip-gram模型

与CBOW利用上下文来预测中心目标词不同，Skip-gram反过来利用中心词来预测所有上下文词汇:

• 依旧是从训练语料中选取任意的n元组$(n=2C+1)$: $(w_i,C)=(w_{i-C}...w_{i-1}{w}_i{w}_{i+1}...w_{i+C})$
• skip-gram模型是利用中心词$w_i$的词向量$e(w_i)$来预测上下文$WC=w_{i-C}...w_{i-1}{w}_{i+1}...w_{i+C}$中每个词的概率：
  • $p(w_c|w_i)=\frac{exp\{e(w_i)\cdot e(w_c)\}}{{\sum }_{k=1}^{|V|}e(w_i)w(w_k)}$
• skip-gram通过优化词向量矩阵L来最大化所有上下文的对数似然：
  • $L^{\ast }=argmax{\sum }_{w_i\in |V|}{\sum }_{w_c\in WC}p(w_c|w_i)$

总结

• CBOW和skip-gram模型极大的简化了神经网络结构
• 但是仍然需要使用到softmax函数计算词表V中所有词汇的概率分布

衍生

还有负采样(NEG)技术可以用来优化模型的训练效率。

以skip-gram为例，通过中心词$w_i$预测上下文$WC=w_{i-C}...w_{i-1}{w}_{i+1}...w_{i+C}$中的任意词$w_c$，负采样技术是为每个正样本$w_c$从某个概率分布$p_n(w)$中任意选择个负样本$\{w_1^{\prime },w_2^{\prime },...,w_k^{\prime }\}$，然后最大化正样本的似然，最小化负样本的似然来进行优化（一般来说当K选为5的时候可以取得很好的性能）。