首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >GloVe向量表示同态问题

GloVe向量表示同态问题
EN

Data Science用户
提问于 2018-01-25 16:10:12
回答 1查看 723关注 0票数 3

在论文“GloVe:字表示的全局向量”中,有一部分(第三页的底部)我不明白:

我明白什么是群和同态。我不明白的是,在$ (mathbb{R},+) $和$(mathbb{R}>0},\倍)$之间需要$F$才是同态,$$F$对称是$w$和$ \tilde{w}_k $之间的同态。

我是不是误会了什么?如果我们交换$ w_i $和$ \tilde{w}_k $或$\tilde$ w_j $和$ \tilde{w}_k $,我们希望$F$保持不变,对吗?这是实现$ w$和$ \tilde{w}_k $之间对称性的唯一方法吗?

EN

回答 1

Data Science用户

回答已采纳

发布于 2018-01-25 16:29:49

如果你问的是,群同态是否使这个过程对称,那么不,它不是直接的。但是,它们利用一个群同态来证明$w_{i}^{T} \tilde{w}_k = log(P_{ik})=log(X_{ik}) - log(X_{i})$这几乎给我们对称性。最后,通过在方程中添加$\tilde{b}{k}$,可以恢复对称性。

因此,简单地说,$w_{i}^{T} \tilde{w}_k + b_{i} +\tilde{b}{k}= log(X_{ik})$是保证对称性的因素,而群同态是达到这一目标的工具。

更新:

更多的细节--本质上说,我们想要的是能够改变标签开关的能力。群同态有助于这个过程,因为它在$(R,+)$和$(R,x)$之间进行映射。

$F((w_{i}^{T} -w_{j}^{T})w_{k}^{‘})=F(w_{I}^T}w_{k}^{}+(-w_{j}^{T}{k}^{}})=F(w_{I}{T}w_{k}^{}})乘以F(-w_{i}^{T}^w_{k}{k}^{'} = F(w_{i}^{T}) \乘以F(w_{j}^{T}w_{k}^{})^{-1}=w_

这里的群同态允许发生这种情况。因此,通过设置$F(w_{i}^{T}w_{k}^{i}) =\frac{X_{ik}{X_{i}$,可以看出这一点。

最后,我们可以说$w_{i}{T}{w}_k^{}= log(P_{ik})=log(X_{ik}) - log(X_{i}).$

因此,就你的评论而言,这是他们的方法最明智的选择,也是他们把核心数学推广到GloVE的最明智的选择。改变它,我想这不是一件微不足道的事情。我想,如果你这样做了,推导出来的大部分内容,包括损失函数都会改变。但话虽如此,我想还有其他方式来实现标签转换。

票数 2
EN
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://datascience.stackexchange.com/questions/27042

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档