标签:drink avr everyday 随机化 CBOW milk 向量
运用CBOW模型,给出一个语句”i drink milk everyday“, 预测 ”milk“。假设第一次随机化初始矩阵和第二次随机化初始矩阵分别为:
写出:
1.第一层输入词向量(上下文嵌入词向量),
2.词向量加总后的平均值
3.得分向量(输出层的输入向量)
”i drink milk everyday“, 预测 ”milk“根据基本公式,使用MATLAB语言解答如下:
1.第一层输入词向量(上下文嵌入词向量),
设:
i=[1 0 0 0]';
drink=[0 1 0 0]';
everyday=[0 0 0 1]';
milk=[0 0 1 0]';
w=[1 2 3 0; 1 2 1 2;-1 1 1 1];
第一层输入的词向量为
in_i =
[1
1
-1]
in_drink =
[2
2
1]
in_everyday =
[ 0
2
1 ]
2.词向量加总后的平均值
avr=(in_i+in_drink+in_everyday)./3
avr =
[ 1.0000
1.6667
0.3333]
3.得分向量(输出层的输入向量)
由于w_prime=[1 2 -1;-1 2 -1;1 2 2;0 2 0];
score=w_prime*avr
score =
[ 4.0000
2.0000
5.0000
3.3333]
clc;clear all;
i=[1 0 0 0]';
drink=[0 1 0 0]';
everyday=[0 0 0 1]';
w=[1 2 3 0; 1 2 1 2;-1 1 1 1];
in_i=w*i
in_drink=w*drink
in_everyday=w*everyday
xw=in_i+in_everyday+in_drink
avr=(in_i+in_drink+in_everyday)./3
w_prime=[1 2 -1;-1 2 -1;1 2 2;0 2 0];
score=w_prime*avr
标签:drink,avr,everyday,随机化,CBOW,milk,向量 来源: https://blog.csdn.net/weixin_39257042/article/details/88555657
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。