AI量化知识树

Word2Vec介绍: 为什么使用负采样(negtive sample)?

由iquant创建,最终由qxiao 被浏览 11 用户

目录

  1. 随机梯度下降法有什么问题?
  2. 负采样
  3. 计算梯度

1. 随机梯度下降法有什么问题?

通过对代价函数求权重的梯度,我们可以一次性对所有的参数 theta 进行优化,但是如果每次等全部计算完成再优化升级,我们将等待很长时间(对于很大的语料库来说)。

所以我们采用随机梯度下降( Stochastic Gradient Descent),也就是说每次完成一次计算就进行升级。

但是,还有两个问题导致目前的模型效率低下!

第一个问题,我们每次只对窗口中出现的几个单词进行升级,但是在计算梯度的过程中,我们是对整个参数矩阵进行运算,这样参数矩阵中的大部分值都是0。

![](data:image/svg+xml;utf8,<svg%20xmlns='http://www.w3.org/2000/svg' width='746' height='644'></svg>)

计算效率低下!

第二个问题:我们使用的目标函数是softmax函数 softmax(u_o^Tv_c) = p(o|c) = hat y_o = frac {e^{u_o^Tv_c}}{sum _{w=1}^W e^{u_w^Tv_c}} ,我们观察分母,分母需要把窗口中所有单词的“得分”都算出来再求和,效率低下!

2. 使用负采样

负采样的核心思想是:计算目标单词和窗口中的单词的真实单词对“得分”,再加一些“噪声”,即词表中的随机单词和目标单词的“得分”。

真实单词对“得分”和“噪声”作为代价函数。

每次优化参数,只关注代价函数中涉及的词向量。

下面给出公式:

J(theta) = frac{1}{T}sum _{t=1}^TJ_t(theta)

J_t(theta) =log sigma(u_o^Tv_c)+sum_{i=1}^{k}mathbb{E}_{jP(w)}logsigma(-u_j^Tv_c)

采用上述公式解决了之前说的两个问题:

  1. 我们仅对K个参数进行采样
  2. 我们放弃softmax函数,采用sigmoid函数,这样就不存在先求一遍窗口中所有单词的‘“得分”的情况了。

3. 计算梯度

既然代价函数已经更新了,那么我们需要对梯度进行更新。

首先考虑一下,我们想要求导的目标,也就是对谁求导?

答案是,对我们想要优化的参数求导,前面说了,负采样的目的是不需要对整个向量矩阵 UV 进行优化,而是仅对求代价过程中涉及的词向量进行优化,因此,求导对象是目标向量 v_c ,窗口中的其他词向量 v_o 和负采样时随机选取的词向量 u_k

此篇文章关注的问题不是求导的过程,因此下面直接给出梯度:

frac {partial J}{partial v_c} = (sigma(u_o^Tv_c)-1)u_o-sum _{k=1}^K(sigma (-u_k^Tv_c)-1)u_k

frac {partial J}{partial u_o} = (sigma(u_o^Tv_c)-1)v_c

frac {partial J}{partial u_k} = -(sigma(-u_k^Tv_c)-1)v_c,space for space all space k = 1,2,dots,K

标签

自然语言处理深度学习神经网络过拟合
{link}