资料来自于：七月在线https://www.julyedu.com/course/getDetail/55
把词映射成向量，即机器所能理解的数据。
图像+DeepLearning非常火，因为图像是人所能接受的直观感受。
文本是人有智慧的时候token，更加高级。如，语境，语意。
也就是你对原始数据的表达决定了你算法的上线。而我们采用的这些机器学习算法如HMM，SVM、CRF、CNN，RNN...等等只是让我们去更加接近（逼近）这个上线。因此词向量很重要。
word encoding ----》 node encoding
向量是可以做运算的，放到NE上也就是节点局部结构相似，比较邻接的点。
N-gram N元模型
I love you
you love I
为了区分话语的含义
2-gram二元组 ： 把相邻的两个单词放在一起看，两两组合成一个10维的列向量。然后进行词频统计。
形式：1-gram 2-gram 3-gram 4-gram 5-gram .....
贝叶斯公式 进行 语言（词组）建模
每一词的出现依赖于前一个词。
处理是注意：因为都是小数，乘积会使得数值越来越小，一般我们会取log进行求和运算。
酒店 宾馆 旅社 都是一个含义，但是向量表示的都很稀疏，而且不相同。
无论1-gram，还是2-gram，还是n-gram....他们的形式无非都是one-hot 或者 TF-IDF
Distributed Representation
所谓的分布式就是，你让我一个节点去表达我自己这比较困难，我可以将我的信息分散出去，用我周围的词来代表我。
当你训练的数据量大的时候，即使我不知道banking的含义，但是我知道那些词大概和banking相关。
根据六度分理理论，在复杂网络研究中我们大概可以设计窗口的大小是6
对称的窗函数
对称举证
矩阵的每一行，纯天然的就可以做为一个vector。词向量。
共现矩阵 Cocurrence Matrix 就类似于我们图中的邻接矩阵
解决：降维
观察I与like 和 I与enjoy的距离是不是相一致。
神经网络最怕的东西就是维度太高了，因为它要和后面层的神经元做链接，维度太高计算量跟不上去。
向量压缩：
sparse --》 dense vector
5-gram 很稀疏 sparse 统计不好统计，平滑也不好平滑，要把所有的语料都要过一遍，还要计算概率因此需要很大存储空间，那么用没有一个参数化的方法来构建模型，去完成语言模型建模，就不用统计语料库在进行概率统计了，而是用一组参数来解决这个问题。真正需要计算这个概率的时候，你只要把词喂过这个模型我就可以拿到一个概率。
例如：我爱北京天安门
目标函数值越大越好，代表越接近标准答案。
最大似然
后买就是一个上下文
我爱北京天安门 .....
我们统计的是词wt（天安门）的概率
用w_t-n+1,....,w_t-1（我爱北京）来推断这个词的概率
t是可以滑动的
第二个公式的意思是。w_t-n+1,....,w_t-1（我爱北京）可以接词表中的所有词，这些词加到一起的和为1.
窗口的长度是fixed固定住的。
基础：全链接的人工神经网络。
4-gram 用前面三个词 w1 w2 w3来预测第四个词w4。
w输入的是一个：one-hot表示
投影层
c是300*10w 的参数矩阵
300*10w 乘 10W*1 = 300*1
一般是是300到500维
softmax 线性分类器
word2vec
2013年提出来
我 喜欢 学习 机器 学习
用 “我 ” “喜欢 ” “机器” “学习”，预测中间的“学习”。
word2vec 没有做拼接 ，而是直接做了一个求和。从而直接去预测后面这个词。
把投影层简化为求和
10w维度太长了，把它编码成更加低维的信息。把数据量压缩到logV的样子。做决策的时候也是依据树来做决策，每一个节点都是做一个LR模型决策。往左走正样本，往右边走负样本。
哈夫曼编码的树
我喜欢巴西足球世界杯
连续做决策的分类，树的边上有参数。
1001 足球
每个节点都是一个分类
优势在于数据量的压缩。
10w的词
标准答案就是正样本，
用一个词去预测四个词，
还是说没听懂！！！23333！！！
宝宝不要生气啦～～～