Embed Size (px)
Citation preview
Neural Network and Natural Language Processing
Mark Chang
大綱
• 怎麼讓電腦學會文字的語意？語意向量 • 用類神經網路把文字轉成語意向量 • 用神經圖靈機來做藏頭詩產生器
怎麼讓電腦學會文字的語意？
• 事實上，一個詞彙的語意，可以從它附近的詞彙推測出來 • Ex：祭止兀
祭止兀 是 最佳 助選員 蔡正元 是 最佳 助選員 罷免 祭止兀 失敗 罷免 蔡正元 失敗
祭止兀和蔡正元，語意相近
語意向量
祭止兀 是 最佳 助選員 蔡正元 是 最佳 助選員 罷免 祭止兀 失敗 罷免 蔡正元 失敗
(x1=罷免, x2 =助選員, ... , xn)
• 把一個詞彙對應到一個n維度的向量，每個維度代表一個詞彙 • 數值非0的維度，表示該詞彙的附近有那個詞彙
祭止兀 (1, 1, 0, ..., xn)
蔡正元 (1, 1, 0, ..., xn)
語意向量
蔡正元 (1, 1,..., xn)
祭止兀 (1, 1,..., xn)
石內卜 (0, 1,..., xn)
計算詞彙的語意相似度
• Cosine Similarity • 向量A和向量B的 Cosine Similarity為：
A ·B|A||B|
蔡正元 (a1, a2, ..., an)
祭止兀 (b1, b2, ..., bn)
蔡正元與祭止兀的Cosine Similarity為：
a1b1 + a2b2 + ...+ anbnpa21 + a22 + ...+ a2n
pb21 + b22 + ...+ b2n
語意向量加減運算
女 + 父 -‐ 男 = 母
女 母
男 父
父 -‐ 男
父 -‐ 男
用類神經網路把文字轉成語意向量
(x1=罷免, x2 =助選員,..., xn)
祭止兀
祭止兀
用周圍的詞彙來當成向量維度：維度大小為詞彙總類（好幾萬個）
用類神經網路來計算語意向量：維度大小可以自行決定（幾十到幾百）
x1 x2 x3 x4 xn ...
x1 x2 x3 x4 xn ...
用類神經網路把文字轉成語意向量
祭止兀
詞彙 編碼（One-‐Hot Encoding）
Neural Network (Auto-‐Encoder)
語意向量
1.2
0.7
0.5
1
0
0
0
編碼（One-Hot Encoding）
祭止兀
• 把詞彙對應到一個n維度的向量，每個維度代表一個詞彙 • 每個詞彙的向量中，只有一個維度為1，其餘皆為0 • 每個詞彙的向量都互相垂直
蔡正元 罷免 失敗
１
０
０
０
０
１
０
０
０
０
１
０
０
０
０
１
Auto-Encoder
１
０
０
０
祭止兀
祭止兀
維度較小的編碼
1.2
0.7
0.5
維度較大的編碼
輸入值和輸出值一樣
１
０
０
０
Word2Vec
祭止兀
• 若把某個字周圍的字一起給編碼進去，就可以得到語意向量
罷免 失敗 祭止兀
語意向量（包含周圍字的語意）
1.2
1.3
0.2
１
０
０
０
０
０
１
０
１
０
０
０
０
０
０
１
隨機交換
Word2Vec
祭止兀
罷免
失敗
祭止兀
0
0
1
0
1
0
0
0
0
0
0
1
「罷免」的語意向量
「失敗」的語意向量
1
0
0
0
實作
• word2vec
用神經圖靈機來做藏頭詩產生器
原始資料： 全唐詩 兩萬首
編碼（One-‐Hot Encoding）
訓練資料
神經圖靈機 標準答案
每句中給一個字
神經圖靈機 填滿
整首詩
挖空格
用神經圖靈機來做藏頭詩產生器
神經圖靈機
用神經圖靈機來做藏頭詩產生器
N-‐gram Language Model
實作
• 藏頭詩產生器
後續研究
• 用word2vec做pre-‐training • 文言文中文斷詞 • 藏頭詩產生器Javascript版本
延伸閱讀
• 類神經網路訓練過程，公式推導： • hMp://cpmarkchang.logdown.com/posts/277349-‐neural-‐network-‐backward-‐propagaRon
• 神經語言模型： • hMp://cpmarkchang.logdown.com/posts/255785-‐neural-‐network-‐neural-‐probabilisRc-‐language-‐model
• hMp://cpmarkchang.logdown.com/posts/276263-‐-‐hierarchical-‐probabilisRc-‐neural-‐networks-‐neural-‐network-‐language-‐model
• Word2vec • hMp://arxiv.org/pdf/1301.3781.pdf • hMp://papers.nips.cc/paper/5021-‐distributed-‐representaRons-‐of-‐words-‐and-‐phrases-‐and-‐their-‐composiRonality.pdf
• hMp://www-‐personal.umich.edu/~ronxin/pdf/w2vexp.pdf
講者聯絡方式：
• Mark Chang • facebook：hMps://www.facebook.com/ckmarkoh.chang • Github：hMp://github.com/ckmarkoh • Blog：hMp://cpmarkchang.logdown.com • email：ckmarkoh at gmail.com
• Fumin • Github：hMps://github.com/fumin • Email：awawfumin at gmail.com
