词嵌入Word Embedding

1. 背景

         词嵌入定义为NLP中语言建模和特征学习技术的总称，是一种将文本中的词汇转化成数值向量的方法(将字典中的单词和词组映射成实向量)。
         one-hot编码存在的一个主要问题是它无法表示出词汇间的相似度。

2. 分布式表示

        分布式表示试图通过考虑上下文词汇间的关系来捕捉词汇语义。分布式表示的目标是找出一个通用的转换函数，把词汇转换成(与它关联的)向量，使它们之间的相似性符合词汇间语义的相性。

2.1 word2vec

        word2vec 是一个模型组，这些模型是无监督的，它以大型文本语料作为输入，并生成词汇的向量空间。其向量空间的维度通常低于one-hot编码的字典大小的向量空间维度。

        尽管word2vec创建了用于深度学习NLP模型的向量，但它却是浅层NN。

常见的两种结构如下：

2.1.1  skip-gram

        skip-gram 模型训练的目标是通过给定的当前词(中心词)来预测周围词。skip-gram 方法会对正样例可能性的结果池进行随机采样；对用于生成负样例的负样本取样处理，会包含从文本中随机组对的任意token。

2.2.2  CBOW连续词袋模型

        CBOW（Continuous Bag Of Words）模型通过周围的词汇预测当前词，且上下文词汇的顺序不会影响预测结果(即词袋的假定)。

CBOW更快，但skip-gram在预测非常用词时比较出色。

2.2.3 从模型中提取word2vec向量

        把字典中的词转换成稠密的低维的分布式表示时所用的权重矩阵。

        Gensim库提供了一个word2vec的实现。

2.2 GloVe

        GloVe是一种获取词的向量表示的非监督学习算法，其训练基于语料中全局聚合的共现词的统计进行，结果表示展示了词向量空间中有趣的线性子结构。（字典表示中的全局向量叫GloVe向量。）

       GloVe和word2vec的不同点在于，word2vec是一个预测模型，而GloVe是一个基于计数的模型。首先构造一个训练语料中共现的(word, context)的大型矩阵，矩阵中的每个元素代表了以行表示的词，与以列表示的周围词共现的频数。然后GloVe处理过程把共现矩阵转换成了一对(word, feature) 和 (feature, context)的矩阵。这个过程就是矩阵分解，它是通过随机梯度下降的方法完成的，SGD是一种数值迭代方法。当SGD收敛时矩阵(word, feature)就是GloVe向量，为了加快收敛，SGD通常采用并发模式。

        基于预测NN的模型(如word2vec)和基于计数的模型(如GloVe)在思路上是相似的。它们都构造了一个向量空间，其中词的位置会被它的邻近词影响。NN模型以共现词的各个样例开始，而基于计数的模型通过语料中所有词的聚合共现统计开始。

       尽管GloVe通常比word2vec有更高的准确率，而且使用并发时比word2vec训练的更快，但其相关python工具不如word2vec的那么成熟。

3. 使用预训练好的词向量

        一般来说只有出现大量生僻文本时，才会从头训练word2vec或GloVe模型。在网络中使用(预训练好的)词向量的三种方式：
1. 从头开始学习词向量

        向量权重被随机初始化为较小的值并用BP算法进行训练。

2. 从预训练好的word2vec/GloVe模型中微调学习到的词向量

        从预训练好的模型中构建权重向量，并用它初始化嵌入层，因为权重的初始值较好，模型也收敛得更快。
3. 从预训练好的word2vec/GloVe模型中查找词向量

        从预训练好的模型中查找词向量，并把输入转换成词向量。之后可以训练任意ML模型。