一、课程安排
CS224n 课程介绍：
课程主页
课程资料
课程国内观看链接
课程油管观看地址
答疑平台
总时长：12周
（1）week1-4: 词向量，分类，神经网络，分词
（2）week5-8: RNN和语言模型，梯度消失和seq2seq，机器翻译、注意力和子词模型
（3）week9-12: Transformers，预训练模型，自然语言生成（可选），基于知识的语言模型（可选）
要求：
（1）观看视频，笔记输出，要有自己的思考；
（2）完成课后的quiz（不多，共8个，大概10道选择题）；
（3）一起组队做一个项目（自选一个NLP任务）；
ddl打卡安排如下：
作业简要介绍：
课程项目：
N-Gram Language Models (Lectures 1-4) （语音识别）
Word Alignment Models for Machine Translation (Lectures 5-9)（机器翻译）
Maximum Entropy Markov Models & Treebank Parsing (Lectures 10-3)（命名实体识别和句法分析）
二、Word2vec算法
2.1 引子
理解单词意思的最常见的语言方式：语言符号与语言符号的意义的转化。
2.2 滑动窗口
为了得到每个单词的高质量稠密embedding（相似上下文的单词的vector应该相似），word2vec是通过一个滑动窗口的滑动，同时计算P ( w t + j ∣ w t ) P\left(w_{t+j} \mid w_{t}\right)P(w
t+j
∣w
t
)。下面就是一个栗子，window_size=2。
2.3 目标函数
（1）一开始我们将刚才得到的一坨P ( w t + j ∣ w t ) P\left(w_{t+j} \mid w_{t}\right)P(w
t+j
∣w
t
)相乘，并且是对于每个t，所以有2个累乘：
（2）因为一般我们是最小化目标函数，所以进行了取log和负平均的操作，修改后的目标函数：
为了求出上面损失函数最里面的概率P ( w t + j ∣ w t ; θ ) P\left(w_{t+j} \mid w_{t} ; \theta\right)P(w
t+j
∣w
t
;θ)，对于每个单词都用2个vector表示：
当w是中心词时，表示为v w v_wv
w
当w是上下文词时，表示为u w u_wu
w
但是为啥要用两个vector表示每个单词呢，manning给出的解释是：更容易optimization。
2.4 预测函数
所以对于一个中心词c和一个上下文次c有：
将任意值x i x_ix
i
映射到概率分布中，即如下：
分子的点积用来表示o和c之间相似程度，分母这坨东西就是基于整个词表，给出归一化后的概率分布。
三、训练
3.1 激活函数
用softmax函数，使大的更大，小的更小：
3.2 梯度下降
又是熟悉的通过minimize loss来优化更新参数，注意一开始说了每个单词都有2个vector表示，其中vector是d维度的，一共有V个单词，我们想要得到的模型参数：
在每个窗口中，我们通过梯度下降求出当前窗口的所有参数，我们上面是用的CBOW，即根据上下文预测中心词。
并且在更新参数时，是要设定超参数——学习率：
上面的梯度下降实际上需要对语料库（corpus）的所有窗口都计算后才更新参数。所以为了训练更高效，可以使用SGD，SGD是对一个窗口进行更新参数，并且重复采样窗口。
while True: window = sample_window(corpus) theta_grad = evaluate_gradient(J, window, theta) theta = theta - alpha * theta_grad
3.3 负采样
CBOW或者skip-gram这类模型的训练，在当词表规模较大且计算资源有限时，这类多分类模型会因为输出层概率的归一化计算效率的影响，训练龟速。
所以负采样提供了另一个角度：给定当前词与上下文，任务是最大化两者的共现概率。
也即将多分类问题简化为：针对(w, c)的二分类问题（即共现or不共现），从而避免了大词表上的归一化复杂计算量。
如P ( D = 1 ∣ w , c ) P(D=1 \mid w, c)P(D=1∣w,c)表示c和w共现的概率
四、代码实现
这里的数据集我们用了nltk库的reuters数据集：
reuters = LazyCorpusLoader( "reuters", CategorizedPlaintextCorpusReader, "(training|test).*", cat_file="cats.txt", encoding="ISO-8859-2", )
这里我们的损失函数选用nn.NLLLoss()，可以回顾上次学习pytorch图片多分类时的图：
我们之前经常使用的torch.nn.CrossEntropyLoss如下（将下列红框计算纳入）。注意右侧是由类别生成独热编码向量。
具体细节见代码注释：
import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torch.utils.data import Dataset from torch.nn.utils.rnn import pad_sequence from tqdm.auto import tqdm from utils import BOS_TOKEN, EOS_TOKEN, PAD_TOKEN from utils import load_reuters, save_pretrained, get_loader, init_weights # 构建数据集类 class CbowDataset(Dataset): def __init__(self, corpus, vocab, context_size=2): self.data = [] self.bos = vocab[BOS_TOKEN] self.eos = vocab[EOS_TOKEN] for sentence in tqdm(corpus, desc="Dataset Construction"): sentence = [self.bos] + sentence+ [self.eos] # 如句子长度不足以构建（上下文、目标词）训练样本，则跳过 if len(sentence) < context_size * 2 + 1: continue for i in range(context_size, len(sentence) - context_size): # 模型输入：左右分别取context_size长度的上下文 context = sentence[i-context_size:i] + sentence[i+1:i+context_size+1] # 模型输出：当前词 target = sentence[i] self.data.append((context, target)) def __len__(self): return len(self.data) def __getitem__(self, i): return self.data[i] def collate_fn(self, examples): inputs = torch.tensor([ex[0] for ex in examples]) targets = torch.tensor([ex[1] for ex in examples]) return (inputs, targets) # CBOW模型部分 class CbowModel(nn.Module): def __init__(self, vocab_size, embedding_dim): super(CbowModel, self).__init__() # 词嵌入层 self.embeddings = nn.Embedding(vocab_size, embedding_dim) # 线性变换：隐含层->输出层 self.output = nn.Linear(embedding_dim, vocab_size) init_weights(self) def forward(self, inputs): embeds = self.embeddings(inputs) # 计算隐含层：对上下文词向量求平均，得到Wt的上下文表示 hidden = embeds.mean(dim=1) # 线性变换层 output = self.output(hidden) log_probs = F.log_softmax(output, dim=1) return log_probs # 参数设定 embedding_dim = 64 context_size = 2 hidden_dim = 128 batch_size = 1024 num_epoch = 10 # 读取文本数据，构建CBOW模型训练数据集 corpus, vocab = load_reuters() dataset = CbowDataset(corpus, vocab, context_size=context_size) data_loader = get_loader(dataset, batch_size) nll_loss = nn.NLLLoss() # 构建CBOW模型，并加载至device device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = CbowModel(len(vocab), embedding_dim) model.to(device) optimizer = optim.Adam(model.parameters(), lr=0.001) # 模型训练 model.train() for epoch in range(num_epoch): total_loss = 0 for batch in tqdm(data_loader, desc=f"Training Epoch {epoch}"): # 1.准备数据 inputs, targets = [x.to(device) for x in batch] # 梯度清零 optimizer.zero_grad() # 向前传递 log_probs = model(inputs) # 损失函数 loss = nll_loss(log_probs, targets) # 反向传播 loss.backward() # 更新参数 optimizer.step() total_loss += loss.item() print(f"Loss: {total_loss:.2f}") # 保存词向量（model.embeddings） save_pretrained(vocab, model.embeddings.weight.data, "cbow.vec")
![[Dict2vec]论文实现：Dict2vec : Learning Word Embeddings using Lexical Dictionaries](https://ucc.alicdn.com/pic/developer-ecology/w2a72w4omzoyy_dd2ab61f79e7475f89364949cfee15c6.png?x-oss-process=image/resize,h_160,m_lfit)
