对A Neural Probabilistic Language Model中模型图的理解

NNLM(神经网络语言模型)通过巧妙的模型设计解决了传统模型中因词向量维度过高导致的计算量过大问题。模型假设当前词与前n-1个词有关,其结构包括词向量表示、神经网络处理和结合上下文信息的输出层。该模型有助于高效处理大规模文本数据。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

神经网络语言模型NNLM解决的一大问题:
维度灾难:由于向量维度过大,导致模型计算量爆炸。
NNLM经典模型图如下所示:

在这里插入图片描述

其中,C(i)C(i)C(i)表示第i个词的词向量,ggg代表可以使用的神经网络,在NNLM中,假设当前词是与前n-1个词有关系的。

图一代表的公式其实是下式:
y=b+Wx+Utanh(d+Hx) y=b+Wx+Utanh(d+Hx)y=b+Wx+Utanh(d+Hx)

其中x被使用了两次,分别对应图一中上半部分的实线和虚线。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值