怎么可能将 softmax 用于 word2vec？

Question

如何将 softmax 用于 word2vec？我的意思是 softmax 输出所有类的概率，总和为1，例如[0, 0.1, 0.8, 0.1]。但是如果我的标签是，例如[0, 1, 0, 1, 0]（多个正确的类），那么softmax就不可能输出正确的值了？

我应该改用 softmax 吗？还是我错过了什么？

Answer 1

我想你说的是 Skip-Gram 模型（即，通过中心预测上下文词），因为 CBOW 模型预测单个中心词，所以它假设一个正确的类。

严格来说，如果你使用 SG 模型和普通的 softmax 损失来训练 word2vec，那么正确的标签应该是[0, 0.5, 0, 0.5, 0]。或者，您可以为每个中心词提供几个示例，标签为[0, 1, 0, 0, 0] 和[0, 0, 0, 1, 0]。很难说哪个表现更好，但标签必须是每个输入示例的有效概率分布。

然而，在实践中，普通的 softmax 很少使用，因为类太多且严格分布太昂贵且根本不需要（几乎所有概率一直几乎为零）。相反，研究人员使用 sampled 损失函数进行训练，这近似于 softmax 损失，但效率更高。以下损失函数特别受欢迎：

• Negative Sampling
• Noise-Contrastive Estimation

这些损失比 softmax 更复杂，但如果你使用的是 tensorflow，all of them are implemented 并且可以同样轻松地使用。