前情回顾

• 由上一节，我们可以得到：
  • 任何一个独热编码的词都可以通过Q矩阵得到一个词向量，而词向量有两个优点：
    • 可以改变输入的维度（原来是很大的独热编码，但是我们经过一个Q矩阵后，维度就可以控制了）
    • 相似词之间的词向量有了关系
• 但是，在NNLM（神经网络语言模型的一种）中，词向量是一个副产品，即主要目的并不是生成词向量，而是去预测下一个词是什么，所以它对预测的精度要求很高，模型就会很复杂，也就不容易去计算Q矩阵和词向量
• 模型图如下：
  
• 因此提出了一个专门生成词向量的神经网络语言模型----Word2Vec

Word2Vec

• 主要目的是生成词向量，模型图如下：
  
• 虽然NNLM和Word2Vec基本一致，不考虑细节，网络架构基本一致
• 但是由于Word2Vec的主要目的是生成词向量，那么对预测精度的要求可以放低，甚至只要合理，就算有多个结果也可以，因此模型不会很复杂，也就是可以更容易的计算出Q矩阵和词向量
• 所以对比NNLM，Word2Vec不用预测更准确，只需要可以正常的进行一个反向传播，可以去掉激活函数，加快计算速度，如下：
  
• Word2Vec的缺点：
  • 词向量不能表示一词多义，如果我们在训练中给某一个词选择了一个词向量，但是在测试中，同样的词可能会有其他意思，那模型仍然不知道这个位置应该填入什么词，如下：
    

CBOW

• 给出一个词的上下文，预测这个词，如下：
  
• 由于Q矩阵和词向量的产生在INPUT到PROJECTION的过程中，且CBOW会有更多的Q矩阵和词向量，也就意味着它生成词向量的效率更高，如下：
  

Skip-gram

• 给出一个词，得到这个词的上下文，如下：
  
• 相反，在Skip-gram中，我们得到Q矩阵和词向量的效率会低一些
  

如何将词向量使用在下游任务中

• Word2Vec是预训练模型，而预训练模型分为两种：假设给出任务A和任务B，其中对于任务A我们已经得出了一个良好的模型A，而任务B由于数据集太小或训练太复杂等其他原因，无法解决，即无法得出模型B
  • 我们可以使用模型A，来辅助解决任务B
  • 或者使用模型A，来加快模型B的生成
• 词向量大多数用在第二种，加快模型B的生成
  
• 在经典的NLP领域中：在将输入X、Y传入网络后，从W（独热编码，是一种一一对应的表查询，不是预训练）到隐藏层需要经过一个Q矩阵，而这个Q矩阵可以使用Word2Vec预训练好的Q矩阵，并直接得到词向量，然后进行接下来的具体任务
• 在我们使用Word2Vec的Q矩阵也有两种方式
  • 冻结：不改变Q矩阵
  • 微调：随着任务的改变，在模型的训练过程中，改变Q矩阵
• 以后的transformer和BERT都是用在预训练这一块，而其他的网络结构是根据任务的不同进行改变的，也就意味着在相同的任务下，我们可以通过改变预训练来找到创新点。

参考文献

1. 06 Word2Vec模型（第一个专门做词向量的模型，CBOW和Skip-gram）