NLP----神经网络语言模型(NNLM),词向量生成,词嵌入,python实现

2023-10-11 18:10

本文主要是介绍NLP----神经网络语言模型(NNLM),词向量生成,词嵌入,python实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

理论主要来自论文A Neural Probabilistic Language Model,可以百度到的

这篇博文对理论方面的介绍挺不错的    链接地址

一下是其中的一些截图,主要是算法步骤部分

算法步骤

前向计算

反向更新

 

个人实现的代码

import glob
import random
import math
import pickle
import numpy as np# 激活函数
def tanh(o, d):x = []for i in o:x.append(math.tanh(i))return xdef get_stopword_list(path):"""载入停用词"""stopword_list = [sw.replace('\n', '')for sw in open(path, 'r', encoding='utf8')]return stopword_listdef data_pre(path):"""数据载入,以及完成分词,统计总词数"""import jiebacontent = []with open(path, 'r', encoding='gbk', errors='ignore') as f:# sw_list = get_stopword_list('./data/stop_words.utf8')for l in f:l = l.strip()if(len(l) == 0):continuel = [x for x in jieba.cut(l) if x not in get_stopword_list('./data/stop_words.utf8')]content.append(l)return content# 随机生成词向量并分配词id
def creat_wv(wd, m):wd = {i: [random.random() for x in range(m)] for i in wd}idd = 0wid = {}for i in wd:wid[i]=wid.get(i,0)+iddidd+=1# wd['space__']=[random.random() for x in range(m)]# wid['space__']=wid.get(i,0)+iddreturn wd,widf = glob.glob(r'./data/news/*.txt')
data = []
wd = {}
c = 0
sf = len(f)
for text in f:c += 1temp = data_pre(text)data.extend(temp)for t in temp:for w in t:wd[w] = wd.get(w, 0)+1print(text+' complete ', end='')print(c/sf)
# print(data)
savedata = np.array(data)
swd = np.array(wd)
np.save('./data/sogo_news.npy',savedata)
np.save('./data/myw2vwd.npy',swd)
# data = np.load('./data/sogo_news.npy').tolist()
# 初始化神经网络
h = 100
v = len(wd)
m = 100
n = 4
win = 2
theta = 0.1 #学习率
# 输入层到隐藏权值,shape=n*m  *  h    n为window的大小,h为隐层神经元个数
H = [[random.random() for j in range(n*m)] for i in range(h)]
H = np.array(H)
d = [random.random() for j in range(h)]  # 隐层偏置 shape=1*h
U = [[random.random() for j in range(h)]for i in range(v)]  # 隐层到输出层权值 shape=h*V V为词的总数目
b = [random.random() for j in range(v)]  # 输出层偏置 shape = 1* V
maxtime = 5
sapce = [0 for i in range(m)]  # 空词向量
wvd,wid = creat_wv(wd, m)  # 随机生成词向量和id
sums = len(data)
while(maxtime>0):maxtime-=1# 训练神经网络sm = 0for s in data:  # s 是一句话aa = (sm+0.0)/sumssm+=1print('less',end='')print(maxtime,end='------------')print(aa)for w in range(len(s)):  # w是目标词下标# 构建输入向量xx = []inputword = []w_id = wid[s[w]]#目标词id# w_id2 = []#输入词for i in range(w-win, w+win+1):# w_id2.append(s[i])if i < 0:x.extend(sapce)elif i == w:continueelif i >= len(s):x.extend(sapce)else:x.extend(wvd[s[i]])inputword.append(s[i])#---前向计算------------------------# 计算隐层输入o = np.dot(x, H.T)+d# 计算隐层输出a = tanh(o, 1)a = np.array(a)# 计算输出层输入U = np.array(U)# H = np.array(H)y = np.dot(a, U.T)+by = y.tolist()# 计算输出p = [math.exp(i) for i in y]S = sum(p)p = [i/S for i in p]#----前向计算结束------------------------#计算目标函数Lif p[w_id] !=0:L = math.log(p[w_id])else:L=2.2250738585072014e-200#----反向传播------------------------la = 0lx = 0ly = [-i for i in p]ly[w_id]+=1b  =np.array(b)ly = np.array(ly)lb = b + theta*lyla= ly[0]*U[0]for j in range(1,v):la+=theta*ly[j]*U[j]for j in range(1,v):U[j]+=theta*lalo = [0 for q in range(len(la))]lo=np.array(lo)for k in range(h):lo[k]=(1-a[k]*a[k])*la[k] lx = np.dot(H.T,lo)d +=theta*lox = np.matrix(x)lo = np.matrix(lo)H += theta*np.dot(lo.T,x)x += theta*lxx = x.tolist()[0]for q in range(len(inputword)):a=x[0+i*m:m+i*m]for j in range(len(a)):wvd[inputword[q]][j]+=a[j]#---反向更新结束
#保存数据
output = open('./data/myw2v.pkl','wb')
pickle.dump(wvd,output)

测试代码

import math
def dis(a,b):s = 0for i in range(len(a)):t=a[i]-b[i]t=t*ts+=treturn math.sqrt(s)import pickle
inputt = open('./data/myw2v.pkl', 'rb') 
wd = pickle.load(inputt)
a = wd['记者']
b = wd['公司']
c = wd['企业']
d = wd['交易']
e = wd['支付']
print(dis(a,b))
print(dis(b,c))
print(dis(e,d))
print(dis(a,e))

 

这篇关于NLP----神经网络语言模型(NNLM),词向量生成,词嵌入,python实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/189886

相关文章

QT Creator配置Kit的实现示例

《QTCreator配置Kit的实现示例》本文主要介绍了使用Qt5.12.12与VS2022时,因MSVC编译器版本不匹配及WindowsSDK缺失导致配置错误的问题解决,感兴趣的可以了解一下... 目录0、背景:qt5.12.12+vs2022一、症状:二、原因:(可以跳过,直奔后面的解决方法)三、解决方

MySQL中On duplicate key update的实现示例

《MySQL中Onduplicatekeyupdate的实现示例》ONDUPLICATEKEYUPDATE是一种MySQL的语法,它在插入新数据时,如果遇到唯一键冲突,则会执行更新操作,而不是抛... 目录1/ ON DUPLICATE KEY UPDATE的简介2/ ON DUPLICATE KEY UP

Python中Json和其他类型相互转换的实现示例

《Python中Json和其他类型相互转换的实现示例》本文介绍了在Python中使用json模块实现json数据与dict、object之间的高效转换,包括loads(),load(),dumps()... 项目中经常会用到json格式转为object对象、dict字典格式等。在此做个记录,方便后续用到该方

JWT + 拦截器实现无状态登录系统

《JWT+拦截器实现无状态登录系统》JWT(JSONWebToken)提供了一种无状态的解决方案:用户登录后,服务器返回一个Token,后续请求携带该Token即可完成身份验证,无需服务器存储会话... 目录✅ 引言 一、JWT 是什么? 二、技术选型 三、项目结构 四、核心代码实现4.1 添加依赖(pom

SpringBoot路径映射配置的实现步骤

《SpringBoot路径映射配置的实现步骤》本文介绍了如何在SpringBoot项目中配置路径映射,使得除static目录外的资源可被访问,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一... 目录SpringBoot路径映射补:springboot 配置虚拟路径映射 @RequestMapp

从基础到高级详解Python数值格式化输出的完全指南

《从基础到高级详解Python数值格式化输出的完全指南》在数据分析、金融计算和科学报告领域,数值格式化是提升可读性和专业性的关键技术,本文将深入解析Python中数值格式化输出的相关方法,感兴趣的小伙... 目录引言:数值格式化的核心价值一、基础格式化方法1.1 三种核心格式化方式对比1.2 基础格式化示例

Python与MySQL实现数据库实时同步的详细步骤

《Python与MySQL实现数据库实时同步的详细步骤》在日常开发中,数据同步是一项常见的需求,本篇文章将使用Python和MySQL来实现数据库实时同步,我们将围绕数据变更捕获、数据处理和数据写入这... 目录前言摘要概述:数据同步方案1. 基本思路2. mysql Binlog 简介实现步骤与代码示例1

Redis实现高效内存管理的示例代码

《Redis实现高效内存管理的示例代码》Redis内存管理是其核心功能之一,为了高效地利用内存,Redis采用了多种技术和策略,如优化的数据结构、内存分配策略、内存回收、数据压缩等,下面就来详细的介绍... 目录1. 内存分配策略jemalloc 的使用2. 数据压缩和编码ziplist示例代码3. 优化的

Python ORM神器之SQLAlchemy基本使用完全指南

《PythonORM神器之SQLAlchemy基本使用完全指南》SQLAlchemy是Python主流ORM框架,通过对象化方式简化数据库操作,支持多数据库,提供引擎、会话、模型等核心组件,实现事务... 目录一、什么是SQLAlchemy?二、安装SQLAlchemy三、核心概念1. Engine(引擎)

Ubuntu如何升级Python版本

《Ubuntu如何升级Python版本》Ubuntu22.04Docker中,安装Python3.11后,使用update-alternatives设置为默认版本,最后用python3-V验证... 目China编程录问题描述前提环境解决方法总结问题描述Ubuntu22.04系统自带python3.10,想升级