(二)浅谈语言模型与词向量——原理

        最开始接触语言模型是在语音识别中,当时用的一种混合语言模型,为了知识的完整性,我先简单的讲述一下语言模型的原理,本人对语言模型的了解程度仅仅在应用层面以及embedding,对于最新的技术并没有怎么follow。

        1 n-gram语言模型[1]         

        假设S表示某个有意义的句子,由一串特定顺序排列的词w1,w2,..,wn组成,n是句子的长度。目的:计算S在文本中(语料库)出现的可能性P(S):

        如上图,语言模型就是用来判断一个句子的合理性的置信度,最经典的就是n-gram语言模型和NNLM(Nerual Network Language Model)。在这里举一个应用的例子,例如在语音识别中我们通过声学模型对每一帧做出音素的分类(可以简单理解成汉语拼音吧,当然一个音素跨越好几帧,这里不详细展开),至于这些音素对应的哪些文字,这就要靠语音模型来找出最合理的句子了。

        n-gram语音模型主要基于马尔科夫假设,主要解决一下问题:

                (1)参数空间过大:条件概率P(wn|w1,w2,..,wn-1)的可能性太多,无法估算。

                (2)数据稀疏严重:对于非常多词对组合,在语料库中都没有出现,依据极大似然估计得到概率将会是0。最后结果是句子0概率

因此就会有unigram,bigram,trigram等等,如下图:

理论上,n越大越好。但实践中常用unigram、bigramtrigramn越大训练越慢,但精度会更高。

2.神经语言模型

下面开始进入正题,先来看一下2003年的一篇关于NNLM的文章

Paper: A Neural Probabilistic Language Model.2003

        这张图对如今的一些DP的论文再简单不过了,我们还是简单看下原理,大体思路就是通过前N-1个词预测第N个词,输入的是one-hot向量,C就是通过查找矩阵C(词典中词语个数*向量维度)这样一个大小的矩阵将One hot的向量进行编码,注意这个C一开始是随机初始化的,中间的tanh层是包含K个上下文词语的embedding向量的拼接,经过激活函数激活,输出层就是这里简单理解为一个全连接层+softmax进行分类,类别的个数就是词典中词的个数,结果就是概率大的那个词。

接着又过了10年,大概是2013年,也就是Deep Learning(DP)在语音和图像上大火的那个阶段,DP也开始在NLP上崭露头角,Word2vec的诞生可以说是NLP中的一个里程碑吧,Word2vec就是利用一个简化版的语言模型来得到刚才提到的矩阵C,其训练方式有如下两种:


左边这个CBOW就是利用一个词的上下文来预测改词,右边的skip是反过来利用一个词来预测上下文,之所以说是简化版是因为图中的Hidden layer都是线性层,拿左图举例就是将One-hot向量进行embedding后进行加权(平均)得到hi,再利用hi接一个全连接层进行分类。最后的图中的W就是我们说的embedding.

上述的原理性的介绍进行的差不多了,接下来就是一些实战内容

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,544评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,430评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,764评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,193评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,216评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,182评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,063评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,917评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,329评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,543评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,722评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,425评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,019评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,671评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,825评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,729评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,614评论 2 353

推荐阅读更多精彩内容