word2vec

介绍

cbow:上下文词向量求和,预测中心词
skip-gram:中心词预测上下文

优化

1、哈夫曼树
把常规的 softmax 优化为 哈夫曼softmax,优化的是每个样本在哈夫曼树上的路径概率
与样本无关。

2、负采样
对每一个正样本,按照词频构建负样本,构建二分类任务,梯度下降求解。
可以用常规的 softmax 函数

参考博客

https://www.cnblogs.com/pinard/p/7160330.html

word2vec

上一篇:第226天学习打卡(知识点回顾 强引用 软引用)


下一篇:Docker