目录

• 0. 原理
  • 0.1 softmax回归
  • 0.2 分层softmax
  • 0.4 n-gram
  • 0.5 CBOW
    • 0.5.1 前向传播
    • 0.5.2 反向传播
  • 0.6 skip-gram
  • 0.7 fasttext
• 1. bin使用方法
  • 训练
  • 预测
• 2. python使用方法
  • 安装

paper:

【提出fasttext的paper】Bag of Tricks for Efficient Text Classification

Enriching Word Vectors with Subword Information

website: https://fasttext.cc/【有pretrained-vectors可以下载】

0. 原理

参考fastText原理及实践

在文本分类任务中，fastText（浅层网络）往往能取得和深度网络相媲美的精度，却在训练时间上比深度网络快许多数量级。在标准的多核CPU上， 能够训练10亿词级别语料库的词向量在10分钟之内，能够分类有着30万多类别的50多万句子在1分钟之内。

0.1 softmax回归

softmax回归被称作多项逻辑回归（multinomial logistic regression），是逻辑回归在处理多类别任务上的推广。

0.2 分层softmax

softmax中，我们需要对所有的K个概率做归一化，这在\(|y|\)很大时非常耗时。分层softmax的基本思想是使用树的层级结构替代扁平化的标准Softmax，在计算\(P(y=j)\)时，只需计算一条路径上的所有节点的概率值，无需在意其它的节点。

树的结构是根据类标的频数构造的霍夫曼树。

• K个不同的类标组成所有的叶子节点。
• K-1个内部节点作为内部参数。
• 从根节点到某个叶子节点经过的节点和边形成一条路径，路径长度被表示为\(L(y_j)\)。

\[ p(y_j)=\prod _{l=1}^{L(y_j)-1}\sigma (\left \lfloor n(y_j,l+1)=LC(n(y_j,l)) \right \rfloor \cdot \theta _{n(y_j,l)} ^TX) \]

其中，

• \(l\)表示第几层（从1开始）；
• \(\sigma (\cdot )\)表示sigmoid函数；
• \(LC(n)\)表示n节点的左孩子；
• \(\left \lfloor \right \rfloor \)是一个特殊的函数，定义如下：

\[ \left \lfloor x \right \rfloor =\left\{\begin{matrix} 1, if x =true \\ -1,otherwise \end{matrix}\right. \]

• \(\theta _{n(y_j,l)}\)是中间节点\(n(y_j,l)\)的参数

高亮的节点和边是从根节点到\(y_2\)的路径，路径长度\(L(y_2)=3\)，

\[ \\P(y_2)=P(n(y_2,1),left)P(n(y_2,2),left)P(n(y_2,3),right) \\=\sigma (\theta _{n(y_2,1)}^TX) \cdot \sigma (\theta _{n(y_2,2)}^TX) \cdot \sigma (-\theta _{n(y_2,3)}^TX) \]

于是，从根节点走到叶子节点\(y_2\)，其实是做了3次二分类的lr。通过分层的Softmax，计算复杂度一下从\(|K|\)降低到\(log_2|K|\)。

0.4 n-gram

基本思想是将文本内容按照字节顺序进行大小为N的滑动窗口操作，最终形成长度为N的字节片段序列。n-gram产生的特征只是作为文本特征的候选集，你后面可能会采用信息熵、卡方统计、IDF等文本特征选择方式筛选出比较重要特征。

0.5 CBOW

CBOW模型的基本思路是：用上下文预测目标词汇。

• 输入层由目标词汇y的上下文单词\({x_1,...,x_c}\)组成，\(x_i\)是一个one-hot后的V维向量；
• 隐层是N维向量h；
• 输出层是one-hot编码后的目标词y

权重：

• 每个输入向量通过VxN维的权重矩阵W（C个向量，共享同一个W）连接到隐层
• 隐层通过V*N维的权重矩阵W’连接到输出层

因为词库V往往非常大，使用标准的softmax计算相当耗时，于是CBOW的输出层采用的是分层Softmax。

0.5.1 前向传播

隐层的输出是C个上下文单词向量先求和，然后乘以W,再取平均，得到的一个N维向量:

\[ h=\frac{1}{C}W \sum ^C_{i=1}x_i \]

然后计算输出层的每个节点：\(u_j=v'_{w_j}^T \cdot h\)。

其中的\(v'_{w_j}\)是矩阵W’的第j列(W’是N行V列，即，第j个词对应的N维向量)，\(u_j\)就是一个N维向量和N维向量的转置乘出来的一个值，

最后，\(u_j\)作为softmax的输入，得到\(y_j\)：

\[ y_j=p(w_{y_j}|w_1,...,w_C)=\frac {exp(u_j)}{\sum ^V_{j'=1}exp(u_{j'})} \]

0.5.2 反向传播

定义损失函数，objective是最大化给定输入上下文，target单词的条件概率如下：

更新W’：

更新W：

0.6 skip-gram

0.7 fasttext

word2vec把语料库中的每个单词当成原子的，它会为每个单词生成一个向量。这忽略了单词内部的形态特征，比如：“apple” 和“apples”，”xx公司”和”xx”，两个单词都有较多公共字符，即它们的内部形态类似，但是在传统的word2vec中，这种单词内部形态信息因为它们被转换成不同的id丢失了。

为了克服这个问题，fastText使用了字符级别的n-grams来表示一个单词。例如，apple的3-gram如下：

“<ap”, “app”, “ppl”, “ple”, “le>”

<表示前缀，>表示后缀。进一步，我们可以用这5个trigram的向量叠加来表示“apple”的词向量。

好处：

1. 对于低频词生成的词向量效果会更好。因为它们的n-gram可以和其它词共享。
2. 对于训练词库之外的单词(未登录词)，仍然可以构建它们的词向量。我们可以叠加它们的字符级n-gram向量。

注：当然，最新的方法其实是BPE。

fastext的架构图如下：

相同点：

和CBOW一样，fastText模型也只有三层：输入层、隐含层、输出层（Hierarchical Softmax），输入都是多个经向量表示的单词，输出都是一个特定的target，隐含层都是对多个词向量的叠加平均。

不同点：

• CBOW的输入是目标单词的上下文，fastText的输入是多个单词及其n-gram特征，这些特征用来表示单个文档；
• CBOW的输入单词被onehot编码过，fastText的输入特征是被embedding过；
• word2vec是一个无监督算法，而fasttext是一个有监督算法。CBOW的输出是目标词汇，fastText的输出是文档对应的类标。

对于N篇文档，最小化针对所有文档的 negative loglikelihood(其实就是多分类的交叉熵)：

\[ -\frac {1}{N}\sum ^N_{n=1}y_nlog(f(BAx_n)) \]

其中，\(x_n\)是第n篇文档的normalized bag of features。A是基于word的look-up table，即词的embedding向量，\(Ax_n\)是将word的embedding向量找到后相加或者取平均，得到hidden向量。B是函数f的参数，f是softmax。

1. bin使用方法

编译好的bin地址：https://daiwk.github.io/assets/fasttext

训练

• 训练数据demo：https://daiwk.github.io/assets/train_demo_fasttext.txt

格式(空格分割)：

__label__xx w1 w2 w3 ...

• 训练命令：

./fasttext supervised -input train_demo_fasttext.txt -output haha.model

高级参数：

-minn 1 -maxn 6: 不用切词，1-6直接n-gram

预测

• 测试数据demo：https://daiwk.github.io/assets/test_demo_fasttext.txt

格式(空格分割）：

__label__00 key w1 w2 w3 ...

其中，key可以中间有\1等任何分隔符，但key里面不能有空格

• 预测命令

cat test_demo_fasttext.txt | ./fasttext predict-prob haha.model.bin - 

• 预测输出

key __label__xx probability

2. python使用方法

安装

xxxx/pip install cython
xxxx/pip install fasttext