| 機器學習與資料探勘 |
|---|
 |
Word2vec是一群用來產生詞向量的相關模型。這些模型為淺層雙層的神經網路，用來訓練以重新建構語言學之詞文本。網絡以詞表現，並且需猜測相鄰位置的輸入詞，在word2vec中詞袋模型假設下，詞的順序是不重要的。
訓練完成之後，word2vec模型可以把每個詞映射到一個向量，來表示詞與詞之間的關係。該向量為神經網絡的隱藏層[1]。
Word2vec依賴skip-grams或連續詞袋（CBOW）來建立神經詞嵌入。Word2vec為托馬斯·米科洛夫（Tomas Mikolov）在Google帶領的研究團隊創造。該演算法漸漸被其他人所分析和解釋[2]。
Skip-grams和CBOW
CBOW把一個詞從詞窗剔除。在CBOW下給定n詞圍繞着詞w，word2vec預測一個句子中其中一個缺漏的詞c，即以機率來表示。相反地，Skip-gram給定詞窗中的文本，預測當前的詞。
延伸
Word2vec用來建構整份文件（而分獨立的詞）的延伸應用已被提出[3]， 該延伸稱為paragraph2vec或doc2vec，並且用C、Python[4][5]和 Java/Scala[6]實做成工具（參考下方）。Java和Python也支援推斷文件嵌入於未觀測的文件。
分析
對word2vec框架為何做詞嵌入如此成功知之甚少，約阿夫·哥德堡（Yoav Goldberg）和歐莫·列維（Omer Levy）指出word2vec的功能導致相似文本擁有相似的嵌入（用餘弦相似性計算）並且和約翰·魯伯特·弗斯的分佈假說有關。
實作
參見
參考文獻
- ↑ Mikolov, Tomas; et al. Efficient Estimation of Word Representations in Vector Space (PDF). [2015-08-14].
- ↑ Goldberg, Yoav; Levy, Omar. word2vec Explained: Deriving Mikolov et al.’s Negative-Sampling Word-Embedding Method (PDF). [2015-08-14].
- ↑ Le, Quoc; et al. Distributed Representations of Sentences and Documents. (PDF). [2016-02-18].
- ↑ Doc2Vec tutorial using Gensim. [2015-08-02].
- ↑ Doc2vec for IMDB sentiment analysis. [2016-02-18].
- ↑ Doc2Vec and Paragraph Vectors for Classification. [2016-01-13].
