当前位置:   article > 正文

word2vec损失函数_word2vec的损失函数

word2vec的损失函数

未优化前损失函数

以CBOW为例,利用softmax层计算出字典V中每个词的概率,再构建交叉熵损失函数
在这里插入图片描述在这里插入图片描述

负采样损失函数

直接对词典里的V个词计算相似度并归一化显然是极其耗时的,为此作者提出了层次Softmax和负采样两种损失层

负采样损失函数:
在这里插入图片描述
这个目标函数表面的含义也可以理解为要尽量增大正例的(vc⋅vw)数据对,而尽量降低负例的(vc⋅vw)数据对
词与词之间,若其上下文很相近,则他们本身也很相似

参考文章
参考文章1
参考文章2

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/笔触狂放9/article/detail/881941
推荐阅读
相关标签
  

闽ICP备14008679号