N-gram模型就是假设预测这个单词只与前面的N-1个单词有关,并不是和前面所有的词都有关系。
所以,对于1-gram(每个词都是独立分布的):
P(w1, w2, w3, … , wn) = P(w1)P(w2|w1)P(w3|w1w2)P(w4|w1w2w3)…P(wn|w1w2…wn-1)
≈ P(w1)P(w2)P(w3)P(w4)…P(wn)
2-gram(每个词都与左边最近的那个词有关):
P(w1, w2, w3, … , wn) = P(w1)P(w2|w1)P(w3|w1w2)P(w4|w1w2w3)…P(wn|w1w2…wn-1)
≈P(w1)P(w2|w1)P(w3|w2)P(w4|w3)…P(wn|wn-1)
3-gram(每个词都与左边最近的那两个词有关):
P(w1, w2, w3, … , wn) = P(w1)P(w2|w1)P(w3|w1w2)P(w4|w1w2w3)…P(wn|w1w2…wn-1)
≈ P(w1)P(w2|w1)P(w3|w1w2)P(w4|w2w3)…P(wn|wn-2wn-1)
而:P(w2|w1)=语料库中w1和w2出现的次数/语料库中w1出现的次数
对于这个条件概率,传统的方法是统计语料中每个词出现的频率,根据贝叶斯定理来估计这个条件概率,这里我们就可以用词嵌入对其进行代替,然后最大化条件概率从而优化词向量,据此进行预测。
下面对代码进行说明:
- 首先添加引用,net里面是定义的n-gram模型,
import torch
from torch import nn, optim
import net
class n_gram(nn.Module):