NLP----神经网络语言模型(NNLM),词向量生成,词嵌入,python实现

2023-10-11 18:10

本文主要是介绍NLP----神经网络语言模型(NNLM),词向量生成,词嵌入,python实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

理论主要来自论文A Neural Probabilistic Language Model,可以百度到的

这篇博文对理论方面的介绍挺不错的    链接地址

一下是其中的一些截图,主要是算法步骤部分

算法步骤

前向计算

反向更新

 

个人实现的代码

import glob
import random
import math
import pickle
import numpy as np# 激活函数
def tanh(o, d):x = []for i in o:x.append(math.tanh(i))return xdef get_stopword_list(path):"""载入停用词"""stopword_list = [sw.replace('\n', '')for sw in open(path, 'r', encoding='utf8')]return stopword_listdef data_pre(path):"""数据载入,以及完成分词,统计总词数"""import jiebacontent = []with open(path, 'r', encoding='gbk', errors='ignore') as f:# sw_list = get_stopword_list('./data/stop_words.utf8')for l in f:l = l.strip()if(len(l) == 0):continuel = [x for x in jieba.cut(l) if x not in get_stopword_list('./data/stop_words.utf8')]content.append(l)return content# 随机生成词向量并分配词id
def creat_wv(wd, m):wd = {i: [random.random() for x in range(m)] for i in wd}idd = 0wid = {}for i in wd:wid[i]=wid.get(i,0)+iddidd+=1# wd['space__']=[random.random() for x in range(m)]# wid['space__']=wid.get(i,0)+iddreturn wd,widf = glob.glob(r'./data/news/*.txt')
data = []
wd = {}
c = 0
sf = len(f)
for text in f:c += 1temp = data_pre(text)data.extend(temp)for t in temp:for w in t:wd[w] = wd.get(w, 0)+1print(text+' complete ', end='')print(c/sf)
# print(data)
savedata = np.array(data)
swd = np.array(wd)
np.save('./data/sogo_news.npy',savedata)
np.save('./data/myw2vwd.npy',swd)
# data = np.load('./data/sogo_news.npy').tolist()
# 初始化神经网络
h = 100
v = len(wd)
m = 100
n = 4
win = 2
theta = 0.1 #学习率
# 输入层到隐藏权值,shape=n*m  *  h    n为window的大小,h为隐层神经元个数
H = [[random.random() for j in range(n*m)] for i in range(h)]
H = np.array(H)
d = [random.random() for j in range(h)]  # 隐层偏置 shape=1*h
U = [[random.random() for j in range(h)]for i in range(v)]  # 隐层到输出层权值 shape=h*V V为词的总数目
b = [random.random() for j in range(v)]  # 输出层偏置 shape = 1* V
maxtime = 5
sapce = [0 for i in range(m)]  # 空词向量
wvd,wid = creat_wv(wd, m)  # 随机生成词向量和id
sums = len(data)
while(maxtime>0):maxtime-=1# 训练神经网络sm = 0for s in data:  # s 是一句话aa = (sm+0.0)/sumssm+=1print('less',end='')print(maxtime,end='------------')print(aa)for w in range(len(s)):  # w是目标词下标# 构建输入向量xx = []inputword = []w_id = wid[s[w]]#目标词id# w_id2 = []#输入词for i in range(w-win, w+win+1):# w_id2.append(s[i])if i < 0:x.extend(sapce)elif i == w:continueelif i >= len(s):x.extend(sapce)else:x.extend(wvd[s[i]])inputword.append(s[i])#---前向计算------------------------# 计算隐层输入o = np.dot(x, H.T)+d# 计算隐层输出a = tanh(o, 1)a = np.array(a)# 计算输出层输入U = np.array(U)# H = np.array(H)y = np.dot(a, U.T)+by = y.tolist()# 计算输出p = [math.exp(i) for i in y]S = sum(p)p = [i/S for i in p]#----前向计算结束------------------------#计算目标函数Lif p[w_id] !=0:L = math.log(p[w_id])else:L=2.2250738585072014e-200#----反向传播------------------------la = 0lx = 0ly = [-i for i in p]ly[w_id]+=1b  =np.array(b)ly = np.array(ly)lb = b + theta*lyla= ly[0]*U[0]for j in range(1,v):la+=theta*ly[j]*U[j]for j in range(1,v):U[j]+=theta*lalo = [0 for q in range(len(la))]lo=np.array(lo)for k in range(h):lo[k]=(1-a[k]*a[k])*la[k] lx = np.dot(H.T,lo)d +=theta*lox = np.matrix(x)lo = np.matrix(lo)H += theta*np.dot(lo.T,x)x += theta*lxx = x.tolist()[0]for q in range(len(inputword)):a=x[0+i*m:m+i*m]for j in range(len(a)):wvd[inputword[q]][j]+=a[j]#---反向更新结束
#保存数据
output = open('./data/myw2v.pkl','wb')
pickle.dump(wvd,output)

测试代码

import math
def dis(a,b):s = 0for i in range(len(a)):t=a[i]-b[i]t=t*ts+=treturn math.sqrt(s)import pickle
inputt = open('./data/myw2v.pkl', 'rb') 
wd = pickle.load(inputt)
a = wd['记者']
b = wd['公司']
c = wd['企业']
d = wd['交易']
e = wd['支付']
print(dis(a,b))
print(dis(b,c))
print(dis(e,d))
print(dis(a,e))

 

这篇关于NLP----神经网络语言模型(NNLM),词向量生成,词嵌入,python实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/189886

相关文章

使用Python删除Excel中的行列和单元格示例详解

《使用Python删除Excel中的行列和单元格示例详解》在处理Excel数据时,删除不需要的行、列或单元格是一项常见且必要的操作,本文将使用Python脚本实现对Excel表格的高效自动化处理,感兴... 目录开发环境准备使用 python 删除 Excphpel 表格中的行删除特定行删除空白行删除含指定

深入理解Go语言中二维切片的使用

《深入理解Go语言中二维切片的使用》本文深入讲解了Go语言中二维切片的概念与应用,用于表示矩阵、表格等二维数据结构,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习吧... 目录引言二维切片的基本概念定义创建二维切片二维切片的操作访问元素修改元素遍历二维切片二维切片的动态调整追加行动态

Linux下删除乱码文件和目录的实现方式

《Linux下删除乱码文件和目录的实现方式》:本文主要介绍Linux下删除乱码文件和目录的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux下删除乱码文件和目录方法1方法2总结Linux下删除乱码文件和目录方法1使用ls -i命令找到文件或目录

SpringBoot+EasyExcel实现自定义复杂样式导入导出

《SpringBoot+EasyExcel实现自定义复杂样式导入导出》这篇文章主要为大家详细介绍了SpringBoot如何结果EasyExcel实现自定义复杂样式导入导出功能,文中的示例代码讲解详细,... 目录安装处理自定义导出复杂场景1、列不固定,动态列2、动态下拉3、自定义锁定行/列,添加密码4、合并

mybatis执行insert返回id实现详解

《mybatis执行insert返回id实现详解》MyBatis插入操作默认返回受影响行数,需通过useGeneratedKeys+keyProperty或selectKey获取主键ID,确保主键为自... 目录 两种方式获取自增 ID:1. ​​useGeneratedKeys+keyProperty(推

Spring Boot集成Druid实现数据源管理与监控的详细步骤

《SpringBoot集成Druid实现数据源管理与监控的详细步骤》本文介绍如何在SpringBoot项目中集成Druid数据库连接池,包括环境搭建、Maven依赖配置、SpringBoot配置文件... 目录1. 引言1.1 环境准备1.2 Druid介绍2. 配置Druid连接池3. 查看Druid监控

Python通用唯一标识符模块uuid使用案例详解

《Python通用唯一标识符模块uuid使用案例详解》Pythonuuid模块用于生成128位全局唯一标识符,支持UUID1-5版本,适用于分布式系统、数据库主键等场景,需注意隐私、碰撞概率及存储优... 目录简介核心功能1. UUID版本2. UUID属性3. 命名空间使用场景1. 生成唯一标识符2. 数

Linux在线解压jar包的实现方式

《Linux在线解压jar包的实现方式》:本文主要介绍Linux在线解压jar包的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux在线解压jar包解压 jar包的步骤总结Linux在线解压jar包在 Centos 中解压 jar 包可以使用 u

Python办公自动化实战之打造智能邮件发送工具

《Python办公自动化实战之打造智能邮件发送工具》在数字化办公场景中,邮件自动化是提升工作效率的关键技能,本文将演示如何使用Python的smtplib和email库构建一个支持图文混排,多附件,多... 目录前言一、基础配置:搭建邮件发送框架1.1 邮箱服务准备1.2 核心库导入1.3 基础发送函数二、

c++ 类成员变量默认初始值的实现

《c++类成员变量默认初始值的实现》本文主要介绍了c++类成员变量默认初始值,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录C++类成员变量初始化c++类的变量的初始化在C++中,如果使用类成员变量时未给定其初始值,那么它将被