NLP学习04_词向量、句子向量、倒排表

2024-04-09 12:48
文章标签 学习 04 向量 nlp 句子 排表

本文主要是介绍NLP学习04_词向量、句子向量、倒排表,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!

词向量

在这里插入图片描述
欧式距离和余弦相似度的方法是无法表达单词之间的语义相似度
归为one-hot方式无法表达单词间的语义相似度
one-hot的表达方式,如果词典大小是指数级的,那么一个句子的向量表示中,只有少数位置是1,其他位置都是0
这就导致了向量稀疏
归结one-hot缺点:1、无法表达语义相似度,2、稀疏问题

词向量表示法

分布式表示法

每个单词表示的向量维度不再是等于词典长度,而是自定义的
向量中每个位置都有一个非0数值
在这里插入图片描述
在这里插入图片描述
欧式距离的方式在分布式表示方法中可以来比较单词之间的相似度
词向量只是分布式表示法中的一种

分布式表示法的容量空间远大于one-hot表示法,100维one-hot最多只能表示100个单词,
分布式表示法可表示的单词无限个,即使限定每个位置是0或1,也能表示2的100次方个单词
在这里插入图片描述

词向量的训练

训练词向量需要将所有文章或者句子拼接成一个很长的字符串作为输入
这个字符串要保证大量的数据
将字符串送入模型训练,得到词向量这种分布式的表示
模型有:skip-gram
Glowe\CBOW、RNN/LSTM、MF等

模型中最重要的参数是dim,也就是训练出来的词向量维度,一般不超过300维
但是训练100B这种量级的词是很有挑战性的,所有我们一般是使用一些机构训练出来的词向量结果
当然不同的领域,比如金融医疗领域,则需要搜集出这么一个语料库去训练出词向量

词向量从某种意义上理解为词的意思
我们希望训练出来的词向量,相近意思的词在空间中是聚集在一起的。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
当我们训练完之后,就可以将这些词向量放在一个二维空间看一下,如果可以看出效果则继续使用研究
如果效果不好则需要调整模型训练。
one-hot是达不到这种效果的,只有词向量才能这样查看

句子向量

在这里插入图片描述
句子向量是由词向量得来的
第一种方法可以使用平均法则
将句子中的词向量先做加法,然后平均,得到的向量作为句子向量
这样我就可以通过欧式距离,余弦相似度计算句子之间的相似度
第二种方法是LSTM/RNN

知识问答系统

在这里插入图片描述
采用句子相似度匹配的方式来进行知识问答,首先比较输入的句子和词库中第一个句子的相似度,然后比较下一个句子
如此复杂度就是O(N)*每次相似度比较的复杂度
如果知识库中有10的5次方这种量级的句子,那这种问答系统显然是不符合实际应用需要的。

在这里插入图片描述

核心思想:层次过滤

当得到一个输入的问题后,不急于去比较知识库中句子相似度,而是先通过过滤器进行过滤,最终得到一个小量级的句子集
然后在这些少量的问题中通过余弦相似度比较得到最好的匹配问题。
之所以是层次过滤,是因为要保证过滤的复杂度是递增的。
过滤器1复杂度小于过滤器2,小于余弦相似度的复杂度,只有这样才算降低了复杂度,层次过滤起到了效果

倒排表

搜索引擎中的核心架构就是倒排表
在这里插入图片描述
从所有文档中进行统计,得到每个单词存在于哪个文档这样一个倒排表
这样,用户在输入后不再需要到所有文档去查找单词,只需要搜索倒排表,返回单词所在文档即可
如果是输入的两个词没有同时存在于一个文档,那么就把出现两个单词的文档都返回
然后将返回的文档进行相似度计算,根据相似度来返回搜索结果给用户

这篇关于NLP学习04_词向量、句子向量、倒排表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/888189

相关文章

Java进阶学习之如何开启远程调式

《Java进阶学习之如何开启远程调式》Java开发中的远程调试是一项至关重要的技能,特别是在处理生产环境的问题或者协作开发时,:本文主要介绍Java进阶学习之如何开启远程调式的相关资料,需要的朋友... 目录概述Java远程调试的开启与底层原理开启Java远程调试底层原理JVM参数总结&nbsMbKKXJx

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

Python实现NLP的完整流程介绍

《Python实现NLP的完整流程介绍》这篇文章主要为大家详细介绍了Python实现NLP的完整流程,文中的示例代码讲解详细,具有一定的借鉴价值,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 编程安装和导入必要的库2. 文本数据准备3. 文本预处理3.1 小写化3.2 分词(Tokenizatio

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss