negative sampling负采样和nce loss

negative sampling负采样和nce loss

一、Noise contrastive estimation（NCE）

语言模型中，在最后一层往往需要：根据上下文c，在整个语料库V中预测某个单词w的概率，一般采用softmax形式

其中partition function Z(c)的目的是normalize，使得p为一个概率分布。一般根据最大似然法估计上述参数，但是这个公式的计算量是巨大的，因为要遍历V中的所有单词。

此时NCE就闪亮登场了，为了避免巨大的计算量，NCE的思路是将softmax的参数估计问题 转化成 二分类。二分类两类样本分别是真实样本和噪声样本：正样本是由经验分布

生成的（即真实分布）标签D=0，负样本则是噪声由q(w)生成 对应标签D=1。假设c代表上下文context，从噪声分布中提取k个噪声样本，在总样本（真实样本+噪声样本）中w代表预测的目标词。
那么（d,w）的联合概率分布如下：

由上面公式不难得出：在总样本中 P(w/c) = p(d=0,w/c) + p(d=1,w/c)

Tips：P指的是正负样本的整体分布，这与之前的正样本的经验分布不同

继续根据条件联合概率公式 可以得出：p(d=0/w,c) = p(d=0,w/c) / p(w/c)

p(d=1/w,c)类似

即下面公式：

其实这个公式直接根据条件概率理解。

NCE利用模型分布
来代替经验分布 ，到此就与最开始讲的softmax联系起来了，通过最大化likelihood来得到最优的参数theta。但是此处还是没有解决问题，因为和最开始的公式一样，需要遍历所有V计算partition function Z©。

1. NCE接下来提出了两个假设：
2. partition function Z(c)不需要遍历V得到，而是通过参数Zc来进行估计
3. 由于神经网络具有很多参数，因此可以将Zc设定为一个固定值Zc=1，这种设定对于所有的c都是有效的（[Mnih and Teh2012]）

根据上述假设，公式可以进一步写成：

之后根据最大化log-likelihood来训练参数，其中选定k个负样本，那么loss函数为：

其中第二项依旧很难计算，因为涉及到k期望expectation(E)，因此此处采用蒙特卡洛估计Monte Carlo approximation，根据采样k个样本来代替k期望：

二、Negative Sampling

负采样Negative Sampling是NCE的一个变种，概率的定义有所区别：

对于NCE的概率公式：如果k=|V|并且q是均匀分布uniform，那么k*q=1，此时两个概率公式就是一致的。

但是，除了上述情况以外 两个概率公式并不同，即便negative sampling在词向量方面表现优异，但是negative sampling依旧不能具备N