【NLP】2.2 神经语言模型简介

非线性神经网络语言模型可以解决一些传统语言模型中的问题：增加上下文的同时参数仅呈线性增长，缓解了人工设计的需要，支持不同上下文泛化性能。

• 输入：k元语句（代码实现熵是 k 个词向量的拼接）
• 输出：下个词的概率分布P

我们的目标是希望神经网络发现如下的规律，于是有了网络结构图：
$$P(C(w_i)|C(w_{i-4}),C(w_{i-3}),C(w_{i-2}),C(w_{i-1}))\text{\hspace{1em}(2.2.1)}$$

2.2.1 one-hot 表示

先用最简单的方式表示每个词，one-hot 表示为：

• $dog=(0,0,0,0,1,0,0,...)$
• $cat=(0,0,0,0,0,0,0,0,1,0,...)$
• $eat=(0,1,0,0,...)$

可是 one-hot 表示法有诸多缺陷，还是稠密的向量表示更好一些，那么如何转换呢？只需要加一个隐藏层映射一下就好了。映射之后的向量层如果单独拿出来看，还有办法找到原来的词是什么吗？

one-hot 表示法这时候就作为一个索引字典了，可以通过映射矩阵对应到具体的词向量。

这样，这个神经网络的每个环节都没问题了，可以开始训练了。

独热编码：让计算机认识单词

词典 $V$：新华词典里面把所有的词集合成一个集合 $V$。

假设词典里面有 8 个单词，计算机不认识单词，但是我们要计算机认识单词。

独热编码：给出一个 $8\times 8$ 的矩阵。

• “time”：10000000
• “fruit”：01000000
• ……
• “banana”：00000001

余弦相似度 去计算两者的相似度，发现独热编码 计算得到的余弦相似度都为0，即这些单词都没有关联度（独热编码缺陷），于是就有了词向量的概念。

数学公式总结：

输入向量 $x$，输出结果 $y$ 的概率分布，两者的表达式如下所示，其中 $w$ 代表词向量，$v$ 代表词到词嵌入的映射，$LM$ （Lamguage Model）是一个多层感知机：
$$\begin{array}{rl}100LM(w_{1:k})& =softmax(h{W}^2+b^2)\\ & x=[v(w_1);v(w_2);...;v(w_k)]\\ & h=g(x{W}^1+b^1)\end{array}\text{\hspace{1em}(2.2.2)}$$

• $v$ 就是映射矩阵
• $w$ 是输入的词向量
• $x$ 是将前 k 个词通过映射矩阵处理后的一个拼接
• $h$ 是隐藏层
• $W^1$ 和 $W^2$ 表示两个矩阵

2.3.2 神经网络语言模型（NNLM）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-c3aGJCNx-1687508673257)(https://bucket-zly.oss-cn-beijing.aliyuncs.com/img/Typora/202306181936991.png)]

假设有4个单词：$w_1,w_2,w_3,w_4$（4个单词的独热编码）。

1. $w_1\times Q=c_1,w_2\times Q=c_2,w_3\times Q=c_3,w_4\times Q=c_4$。
   • $Q$ 就是一个随机矩阵（可学习），是一个参数
2. $C=[c_1,c_2,c_3,c_4]$。
3. $softmax(U[tanh(WC+b_1)]+b_2)==[0.1,0.2,0.5,0.2]\in [1,V_L]$。最后生成一个一维矩阵，其中矩阵的长度为词典的长度 $V_L$

2.3.3 词向量（神经网络语言模型的副产品 $Q$）

给我任何一个词（“判断”），会给出相应的独热编码 $[0,0,1,0,...,0]$。

• $W_1\times Q=c_1$，$c_1$ 就是 “判断” 这个词的词向量。

词向量：就是用一个向量来表示一个单词。独热编码也属于词向量，只是独热编码存储空间太大，且两者的余弦相似度都为0。

经过 $Q$ 处理，可以控制词向量的维度（大小），也解决了相似度的问题。

通过神经网络语言模型，找到一个合适的 $Q$ 矩阵，得到一个合适的词向量，这个词向量能够更加准确的表示这个词

2.3.4 案例实现

import numpy as np
import torch
import torch.nn as nn
import torch.optim as optim
from tqdm import tqdm
from torch.autograd import Variable

dtype = torch.FloatTensor

sentences = ["i like dog", "i love coffee", "i hate milk", "i do nlp"]

word_list = ' '.join(sentences).split()
word_list = list(set(word_list))

word_dict = {w: i for i, w in enumerate(word_list)}
number_dict = {i: w for i, w in enumerate(word_list)}
# print(word_dict)

n_class = len(word_dict)

m = 2
n_step = 2
n_hidden = 2


def make_batch(sentence):
    input_batch = []
    target_batch = []

    for sen in sentence:
        word = sen.split()
        input = [word_dict[n] for n in word[:-1]]
        target = word_dict[word[-1]]

        input_batch.append(input)
        target_batch.append(target)

    return input_batch, target_batch


class NNLM(nn.Module):
    def __init__(self):
        super(NNLM, self).__init__()
        self.embed = nn.Embedding(n_class, m)
        self.W = nn.Parameter(torch.randn(n_step * m, n_hidden).type(dtype))
        self.d = nn.Parameter(torch.randn(n_hidden).type(dtype))
        self.U = nn.Parameter(torch.randn(n_hidden, n_class).type(dtype))
        self.b = nn.Parameter(torch.randn(n_class).type(dtype))

    def forward(self, x):
        x = self.embed(x)  # 4 x 2 x 2
        x = x.view(-1, n_step * m)
        tanh = torch.tanh(self.d + torch.mm(x, self.W))  # 4 x 2
        output = self.b + torch.mm(tanh, self.U)
        return output


model = NNLM()

criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)

input_batch, target_batch = make_batch(sentences)
input_batch = Variable(torch.LongTensor(input_batch))
target_batch = Variable(torch.LongTensor(target_batch))

for epoch in range(5000):
    optimizer.zero_grad()

    output = model(input_batch)  # input: 4 x 2

    loss = criterion(output, target_batch)

    if (epoch + 1) % 1000 == 0:
        print('epoch:', '%04d' % (epoch + 1), 'cost = {:.6f}'.format(loss.item()))

    loss.backward()
    optimizer.step()

predict = model(input_batch).data.max(1, keepdim=True)[1]

print([sen.split()[:2] for sen in sentences], '->', [number_dict[n.item()] for n in predict.squeeze()])