Sequence Model-week2编程题1（词向量的运算）

Posted 2020-12-13 douzujun

词向量运算(Operations on word vectors)

因为词嵌入的训练是非常耗资源的，所以ML从业职 都是 选择加载训练好 的 词嵌入数据集。

任务：

• 导入 预训练词向量，使用余弦相似性(cosine similarity)计算相似度

• 使用词嵌入来解决 “Man is to Woman as King is to __.” 之类的 词语类比问题

• 修改词嵌入 来减少它们的性别歧视

import numpy as np
from w2v_utils import *

导入词向量，这个任务中，使用 50维的 GloVe向量 来表示单词，导入 load the word_to_vec_map.

words, word_to_vec_map = read_glove_vecs(‘data/glove.6B.50d.txt‘)

print(list(words)[:10])
print(word_to_vec_map[‘mauzac‘])

[‘1945gmt‘, ‘mauzac‘, ‘kambojas‘, ‘4-b‘, ‘wakan‘, ‘lorikeet‘, ‘paratroops‘, ‘wittkower‘, ‘messageries‘, ‘oliver‘]
[ 0.049225  -0.36274   -0.31555   -0.2424    -0.58761    0.27733
  0.059622  -0.37908   -0.59505    0.78046    0.3348    -0.90401
  0.7552    -0.30247    0.21053    0.03027    0.22069    0.40635
  0.11387   -0.79478   -0.57738    0.14817    0.054704   0.973
 -0.22502    1.3677     0.14288    0.83708   -0.31258    0.25514
 -1.2681    -0.41173    0.0058966 -0.64135    0.32456   -0.84562
 -0.68853   -0.39517   -0.17035   -0.54659    0.014695   0.073697
  0.1433    -0.38125    0.22585   -0.70205    0.9841     0.19452
 -0.21459    0.65096  ]

导入的数据：

• words: 词汇表中单词集.

• word_to_vec_map: dictionary 映射单词到它们的 GloVe vector 表示.

Embedding vectors vs one-hot vectors

• one-hot向量不能很好捕捉单词之间的相似度水平（每一个one-hot向量与任何其他one-hot向量有相同的欧几里得距离(Euclidean distance)）

• Embedding vector，如Glove vector提供了许多关于 单个单词含义 的有用信息

• 下面介绍如何使用 GloVe向量 来度量两个单词之间的 相似性

1. Cosine similarity

为了测量两个单词之间的相似性, 我们需要一个方法来测量两个单词的两个embedding vectors的相似性程度。 给定两个向量 (u) 和 (v), cosine similarity 定义如下：

[ ext{CosineSimilarity(u, v)} = frac {u cdot v} {||u||_2 ||v||_2} = cos( heta)? ag{1} ]

• (u cdot v) 是两个向量的点积（内积）

• (||u||_2) 向量 (u) 的范数（长度）

• ( heta) 是 (u) 与 (v) 之间的夹角角度

• 余弦相似性 依赖于 (u) and (v) 的角度.

  • 如果 (u) 和 (v) 很相似， 那么 (cos( heta)) 越接近1.
  • 如果 (u) 和 (v) 不相似， 那么 (cos( heta)) 得到一个很小的值.

**Figure 1**: The cosine of the angle between two vectors is a measure their similarity

Exercise： 实现函数 cosine_similarity() 来计算两个词向量之间的 相似性.

Reminder： (u) 的范式定义为 (||u||_2 = sqrt{sum_{i=1}^{n} u_i^2})

提示： 使用 np.dot, np.sum, or np.sqrt 很有用.