<1>词向量与ELMo模型 词向量漫谈

目录：

1. 基础部分回顾（词向量、语言模型）
2. NLP的核心：学习不同语境下的语义表示
3. 基于LSTM的词向量学习
4. 深度学习中的层次表示以及Deep BI-LSTM
5. ELMo模型
6. 总结

1. 基础部分回顾（词向量、语言模型）

1.1 独热编码-词的表示

1.2 词向量-词的表示

• 我们为什么需要词向量？（One-hot向量的缺点？）
• 基于One-hot能否表示单词之间语义相似度？

1.2.1 基于One-hot能否表示单词之间语义相似度？

答：不可以。因为，我们不管是通过欧式距离还是通过余弦相似度，计算用One-hot表示的词编码都是一样的距离，不能区分单词之间语义的相似度。

比如，计算：我们、爬山的欧式距离、余弦相似度：

当然每个词之间的余弦相似度也都是相同的。词向量学习到的每个向量都是用不同的浮点数表示，计算每个单词的相似度是不一样的，可以表示单词之间语义相似度。

1.2.2 One-hot向量的缺点？

• One-hot向量稀疏性，词向量是稠密向量；
• One-hot向量不能表示单词之间语义相似度；

词向量从2013年提出开始，慢慢的发展成现在的Bert、XLNet等比较前言的技术。

1.3 词向量-词向量的可视化

把词向量表示成二维数据后，可以发现类似的单词是聚在一起的，因此可以得出词向量可以区分单词之间语义的相似度。

词向量的可视化常用的算法是sklearn中的T-SNE，它是一种降维算法。降维算法还有PCA、ICA、LDA，针对词向量的降维我们通常使用T-SNE，Bengio在他文章中介绍T-SNE非常清楚。我自己找了一下Bengio的文章，没有找到介绍T-SNE的内容，谁找到告诉一下哈！

1.4 词向量-学习词向量

把一堆文本输入到某些模型中，我们可以得到词向量。模型包括：CBOW、Skip-Gram、NNLM、Glove、MF、ELMo、Gaus Embedding、LDA、Bert等。

2. NLP的核心：学习不同语境下的语义表示

2.1 语言模型-概念

2.2 语言模型-对于句子的计算

2.2.1 Chain Rule

贝叶斯公式：

Chain Rule：

2.2.2 Chain Rule for Language Model

2.2.3 Markov Assumption

2.2.4 Language Model（Use 1st Order）

假设现在我们知道这些单词的概率：

P(是|今天) = 0.01
P(今天) = 0.002
P(周日|是) = 0.001
P(周日|今天) = 0.0001
P(周日) = 0.02
P(是|周日) = 0.0002

比较：“今天是周日 VS 今天周日是 ”两句话哪一句从语法上更通顺？

显然， P(今天是周日) >P(今天周日是) 。

ELMo是基于语言模型的目标函数进行训练的。

2.3 语言模型-相关必要知识点

• Chain Rule, Markov Assumption
• Unigram, Bigram, Ngram
• Add-one smoothing, Good-turning smoothing...
• Perplexity

图片来源于：网友

2.4 基于分布式表示的模型总览

介绍词向量的总览，各个词向量模型之间的联系和区别。

Global方法：把非常大的数据放到模型中学习，得到全局的数据信息。优势：可以从全局的角度考虑问题。劣势：1）计算量很大；2）不能在线学习。

Local方法：基于窗口式的方法进行训练，是一种局部的方法。优势：1）可以随时的增加数据进行训练，也就是可以在线学习；2）可以用在大数据里面。缺点：不能从全局的角度考虑问题。

2.5 建议的学习路径

2.6 词向量训练常见的方法

• SkipGram方法：预测相邻单词的概率。
• CBOW方法：已知两边单词，预测中间单词。
• NNLM方法：基于语言模型和马尔科夫假设进行

基于SkipGram、CBOW和NNLM的方法，我们可以训练出每一个单词的固定词向量。但是在同一句话中，这些方法不能表示相同单词的不同语义。因此我们引出ELMo、Bert和XLNet。

即，如何学出一个单词在不同上下文中的词向量呢？

3. 基于LSTM的词向量学习

3.1 利用LSTM学习词向量（语言模型）

3.2 从单向LSTM到双向LSTM

单向LSTM只能从左到右的预测单词，有时我们想利用单词左右两边的信息，即双向信息，因此我们需要双向LSTM。

XLNet用Permutation language model  实现真正的双向LSTM模型。

以下这种形式不是完全双向的LSTM模型：

4. 深度学习中的层次表示以及Deep BI-LSTM

4.1 启发：深度学习中的层次表示（Hierarchical Representation）

越高级的特征表示越来越具体化。

4.2 How Human Brain Works

 

4.3 图像中有层次表示，NLP中是否也有？

4.4 Deep BI-LSTM

4.5 训练以及使用

ELMo具体细节可以翻阅论文：Peters M E , Neumann M , Iyyer M , et al. Deep contextualized word representations[J]. 2018.

5. ELMo模型

5.1 ELMo的数学表达

5.2 实验

这一部分展示了ELMo模型论文中的实验结果。

6. 总结

本文是Microstrong在观看李文哲在B站上讲解的直播课程《词向量与ELMo模型》的笔记。直播地址：https://live.bilibili.com/11869202

原文地址：词向量漫谈，欢迎大家关注Microstrong公众号！！！