自然语言处理(四)神经网络语言模型及词向量

神经网络语言模型

用句子 $S$的概率 $p(S)$来定量刻画句子。
统计语言模型是利用概率统计方法来学习参数 $p(w_i|w_1\dots w_{i-1})$，神经网络语言模型则通过神经网络学习参数.

统计语言模型的缺点

• 平滑技术错综复杂且需要回退至低阶，使得该模型无法面向更大的n元文法获取更多的词信息.
• 基于最大似然估计的语言模型缺少对上下文的泛化，如观察到蓝汽车和红汽车不会影响出现黑汽车的概率.

神经网络语言模型

根据所用的神经网络不同，可以分为

• NNLM模型(DNN)
• RNNLM模型(RNN)

NNLM

输入： $X:w_{i-1}$

输出： $p(w_i|w_{i-1})$

参数： $\theta = {H,U,b^1,b^2}$

运算关系：

$p(w_i|w_{i-1}) = \frac{\exp(y(w_i))}{\sum_{k=1}^{|V|}\exp(y(v_k))}\\ y(w_i) = b^2 + U(\tanh(XH+b^1))$
目标函数：
采用log损失 $L(Y,P(Y|X)) = - \log P(Y|X)$

参数训练：
随机梯度下降优化训练目标，每次迭代，随机从语料D选取一段文本 $w_{i-(n-1)}\dots w_i$作为训练样本进行一次梯度迭代.
$\theta\leftarrow \theta - \alpha\frac{\partial \log P(w_i|w_{i-(n-1)\dots w_{i-1}})}{\partial \theta}$
其中， $\alpha$为学习率， $\theta = \{H,U,b^1,b^2\}$

RNNLM

输入： $X:w_{i-1}$和 $h(t-1)$

输出： $p(w_i|w_{i-1})$和 $h(t)$

参数： $\theta = {H,U,M,b^1,b^2}$

运算关系：

$p(w_i|w_{i-1}) = \frac{\exp(y(w_i))}{\sum_{k=1}^{|V|}\exp(y(v_k))}\\ y(w_i) = b^2 + U(\tanh(XH+Mh(t-1)+b^1))\\ h(t) = \tanh(XH + Mh(t-1) +b^1)$
目标函数：
采用log损失 $L(Y,P(Y|X)) = - \log P(Y|X)$

参数训练：
采用随机梯度下降优化训练目标.
$\theta\leftarrow \theta - \alpha\frac{\partial \log P(w_i|w_{i-(n-1)\dots w_{i-1}})}{\partial \theta}$

神经网络词向量

词的表示问题.

离散表示

One-hot

优势：稀疏方式存储非常简洁

不足：词汇鸿沟，维度灾难

词袋模型

每个数表示该词在文档中出现的次数.

TF_IDF

每个数代表该词在整个文档中的占比.

分布式表示

核心思想：用一个词的上下文来表示该词.

NNLM模型-词向量

将输入词向量作为参数在NNLM模型中进行训练

• 优点：
  降维，消除词汇鸿沟，自带平滑
• 应用：
  同义词检测、单词类比

RNNLM模型-词向量

将输入词向量作为参数在RNNLM模型中进行训练

C&W模型

采用直接对n元短语打分的方式替代语言模型中求解条件概率的方法：对于语料中出现过的短语，打高分；对于未出现的随机短语打低分.

特点：

C&W模型的目标函数是求目标词W与其上下文C的联合打分，而其他模型均是根据上下文C，来预测目标词W.

输入：
目标词 $w_i$与其上下文 $x=[e(w_{i-(n-1)}),\dots,e(w_i),\dots,e(w_{i+(n-1)})]$

隐藏层：
上下文和目标词的联合表示.

输出：
对输入序列打分

优化目标：

对于整个语料最小化
$\sum_{(w,c)\in D}\sum_{w'\in V}\max(0,1-score(w,c) + score(w',c))$
其中，c表示目标词w的上下文

• 正样本来自语料
• 负样本则是将正样本序列中的中间词替换成其他词.

对比：
C&W模型在运算速度上优于NNLM模型，但在许多语言学任务上，效果不如其他模型.

CBOW

(Continuous Bag-of Words)，Mikolov等人在2013年提出了CBOW和Skip-gram模型，主要针对NNLM训练复杂度过高的问题进行改进.

输入层：x:词 $w_i$的上下文词向量平均值，不包括 $w_i$
$x=\frac{1}{n-1}\sum_{w_j\in c}e(w_j)$

输出层：
$p(w_i|c) = \frac{\exp(e'(w_i)^Tx)}{\sum_{w'\in V}\exp(e'(w')^Tx)}$

优化目标：
最大化 $\sum_{(w,c)\in D}\log P(w|c)$

参数训练：梯度下降法

Skip-gram

输入层：x:词 $w_i$的词向量

输出层：
$p(w_j|w_i) = \frac{\exp(e'(w_j)^Tx)}{\sum_{w'\in V \exp(e'(w')^Tx)}}$

优化目标：
最大化 $\sum_{(w,c)\in D}\sum_{w_j\in c}\log P(w_j|w)$

Hierachical softmax思想

对于词典中的任意词w，哈夫曼树中必然存在一条从根节点到该词所在的叶子节点的路径，将路径上存在的所有分支视为一次二分类，将每次分类的概率乘起来，就得到了最终 $p(w|context(w))$

词向量工具

word2vec是google开源的将词表征为实数值向量的高校工具，其利用深度学习的思想，可以通过训练，把对词的处理简化为K维向量空间中的向量运算.

word2vec训练得到的词向量可用于机器翻译、相似词查找、关系挖掘、中文聚类等任务中.

word2vec共有两种类型，每种类型都有两个策略.

模型	CBOW	CBOW	Skip-gram	Skip-gram
方法	Hierarchical Softmax	Negative Sampling	Hierarchical Softmax	Negative Sampling

模型特点

模型	目标词与上下文位置	模型输入	模型输出	目标词与上下文词之间的关系
NNLM	(上文)(目标词)	上文词向量拼接	目标词概率	上文在输入层、目标词在输出层，优化预测关系
C&W	(上文)(目标词)(下文)	上下文及目标词词向量拼接	上下文及目标词联合打分	上下文和目标词都在输入层，优化组合关系
CBOW	(上文)(目标词)(下文)	上下文各词词向量平均值	目标词概率	上下文在输入层、目标词都在输入层，优化预测关系
Skip-gram	(上文)(目标词)(下文)	目标词词向量	上下文词概率	目标词在输入层、上下文在输出层，优化预测关系

不同模型对比

指标	–
模型复杂度	NNLM>C&W>CBOW>Skip-gram
参数个数	NNLM>(CBOW=Skip-gram)>C&W
时间复杂度	NNLM>(CBOW=Skip-gram)>C&W

构建词向量建议

• 当语料较小时，应当选用模型结构最简单的Skip-gram模型，当语料较大时，选用CBOW模型会有更好的效果.
• 预测目标词的模型比目标词与上下文呈组合关系的模型(C&W)在多个任务中有更好的性能.
• 训练时迭代优化的终止条件最好根据具体任务的验证集来判断，或近似地选取其它类似的任务作为指标.
• 词向量的维度一般要在50维以上，特别是当衡量词向量的语言学特性时，词向量的维度越大，效果越好.

词向量的用途

• 利用词向量的语言学特性完成任务. 利用词向量语义相似的词，其磁向量空间距离相近的特征可完成语义相关性任务，如同义词检测、单词类比.
• 将词向量作为静态特征输入. 使用词向量作为模型输入，在训练过程中，只调整模型参数，不调整词向量，如基于平均词向量的文本分类、命名实体识别等.
• 将词向量作为动态初值输入. 使用词向量作为神经网络的初始值，模型训练过程中调整词向量的初值，从而提升神经网络模型的优化效果.如基于卷积神经网络的文本分类、词性标注等.

参考资料

中国科学院大学-NLP课程课件(IIE胡玥老师主讲)