知识卡片
跳字模型用中心词预测上下文
Skip-gram从一个中心词构造对周围词的预测任务,共享参数在大量词对上学习。投影层可以视为查得中心词表示,但不能据输入只有一个词说没有上下文训练信号;输出训练目标仍是词项,向量是学习后保留的参数。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
Skip-Gram与CBOW正相反,输入是当前词的词向量,而输出是周围词的词向量。也就是说,通过当前词来预测周围的词。Skip-Gram模型如图9.10所示。
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html)
- 结论依据:摘录中关于跳字模型用中心词预测上下文的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:Skip-Gram与CBOW正相反,输入是当前词的词向量,而输出是周围词的词向量。也就是说,通过当前词来预测周围的词。Skip-Gram模型如图9.10所示。