Stanford CS224n的关于word2vec的推荐阅读里包含 这篇文章。这里针对此文章作一个整理。

word2vec做了什么事情

从字面意思上来说就是将单词word转为向量vector，通过词向量来表征语义信息。

word2vec模型

这篇文章主要介绍的是Skip-Gram模型，除此之外word2vec还有CBOW模型。

如上图所示，这两种模型的区别就是

• Skip-Gram是给定输入词来预测上下文
• 而CBOW则是给定上下文来预测输入词

那么如何来训练Skip-Gram模型呢？上面这张图使用的句子是："The quick brown fox jumps over the lazy dog."，通过逐一选定句子中的单词作为输入词，将与之相邻的词提取出来，进行学习。图中的窗口大小为2,也即每次向前和向后各看2个词（如果存在的话）。

一些细节

输入参数：通常会将文本中的词进行编码表示，如常见的有将文本库中的单词转换为词汇表，这样可以将每个单词通过one-hot编码表示。比如总共有10000个词，则每个单词最终都可以通过一个10000维向量表示。

如上图所示，网络的输入是一个单词，10000维的one-hot向量，最终输出的结果也是一个10000维的向量，其中的值表示对应的词作为输入词的上下文的概率，也就是说最后输出的是输入词的邻近词的概率分布。

隐藏层

从上面的图也可以看出隐藏层中有300个神经元，也就是说输入词被表示为300维的一个向量。

隐藏层中的权重矩阵大小为10000*300，一个10000维的one-hot输入词通过权重矩阵映射到了一个300维的向量，而这个向量正是所谓的word vector，对应于上图中右边的每一行。

另外值得提的是，如果将110000的输入向量与10000300的权重矩阵作乘积的话，其实效率挺低的。因为one-hot向量中只有1个元素是1，所以不难发现其实结果就是权重矩阵中的某一行。

输出层

在隐藏层中计算得到的300维的向量最终会再经过输出层变为10000维的向量，这里使用的是softmax回归，最终输出的结果所有概率之和为1。

上图展示了输入词为ants，计算输出词为car的概率。

参考