Fasttext

Posted 2021-01-26 yongfuxue

 

1、fasttext是facebook开源的一个词向量与文本分类工具，在学术上没有太多创新点，好处是模型简单，训练速度非常快。简单尝试可以发现，做出来的结果也不错，可以达到上线使用的标准。

 

2、简单说来，fastText做的事情，就是把文档中所有词通过lookup table变成向量（word2vec），取平均后直接用线性分类器得到分类结果。fastText和deep averaging network(DAN，如下图)比较相似，是一个简化的版本，去掉了中间的隐层。论文指出了对一些简单的分类任务，没有必要使用太复杂的网络结构就可以取得差不多的结果。

 

DAN的结构：

 

 

 

 

fastText的结构：

 

 

 

 

fastText论文中提到了两个tricks

1）hierarchical softmax

类别数较多时，通过构建一个霍夫曼编码树来加速softmax layer的计算，和之前word2vec中的trick相同

 

2）N-gram features

只用unigram的话会丢掉word order信息，所以通过加入N-gram features进行补充用hashing来减少N-gram的存储