Jiefan Zhan


2020

pdf bib
基于强负采样的词嵌入优化算法(Word Embedding Optimization Based on Hard Negative Sampling)
Yuchen Wang (王雨晨) | Miaozhe Lin (林淼哲) | Jiefan Zhan (詹杰凡)
Proceedings of the 19th Chinese National Conference on Computational Linguistics

word2vec是自然语言处理领域重要的词嵌入算法之一,为了解决随机负采样作为优化目标可能出现的样本贡献消失问题,提出了可以应用在CBOW和Skip-gram框架上的以余弦距离为度量的强负采样方法:HNS-CBOW和HNS-SG。将原随机负采样过程拆解为两个步骤,首先,计算随机负样本与目标词的余弦距离,然后,再使用距离较近的强负样本更新参数。以英文维基百科数据作为实验语料,在公开的语义-语法数据集上对优化算法的效果进行了定量分析,实验表明,优化后的词嵌入质量显著优于原方法。同时,与GloVe等公开发布的预训练词向量相比,可以在更小的语料库上获得更高的准确性。