原书出处
深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)
06 第6章 从Word Embedding到ELMo
,其目标是最大化如下的log似然值: 其中Θ x、Θ s和分别表示词向量层、Softmax层、LSTM正向及反向的参数。
然后,分别训练了正向和反向的两个LM,最后把结果拼接起来。词向量层的参数Θ x和Softmax层参数Θ s在前向和后向语言模型中是共享的,但LSTM正向与反向的参数是分开的。
具体逻辑如图6-3所示。 图6-3 双向语言模型 每一层的输出都是由每个时间步的正向输出和反向输出拼接而成,对每一层的输
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter9_0002.xhtml
EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da