1.使用词嵌入
给了一个命名实体识别的例子，如果两句分别是“orange farmer”和“apple farmer”，由于两种都是比较常见的，那么可以判断主语为人名。
但是如果是榴莲种植员可能就无法判断了，因为比较不常见。
此时使用 词嵌入，是一个训练好的模型，能够表示说，oragne和durian是类似的词，farmer和cultivator是同义词。
词向量需要在大量数据上进行训练，此时又谈到了迁移学习。
首先从大的语料库中学习词嵌入，然后将模型运用到小的数据集上，或许还可以从小数据集上更新模型。
2.词嵌入的特征
类比。给出几类名词，并且都有4个特征来表示，对于男人和女人，两个向量相减的结果≈国王-女王，可以发现发现了其中的相似性。对语言可以有更深入的理解。
假设在300维的空间中，对于图中，需要找到相似的单词，只需要对所有word遍历，计算给的式子的相似性就可以了。
提到了tsne中，进行数据降到2维是非线性的，就无法保持空间中平行四边形的结果了。
最常用的相似度是cosin，也就是两个向量之间的夹角。
如果在一个足够大的语料库中进行学习，语料库中每个word都有一个向量来表示，这样模型就可以学到很多相似的单词。比如图中给出的。
3.嵌入矩阵
有一个300*10000的特征矩阵，与一个one-hot向量相乘，可得到对应列表示的单词。
由于有大量的0存在，做矩阵运算很耗时，通常会找到one-hot向量中的1值。
在keras中有一个嵌入矩阵，可以从中提取你需要的列，而不是对矩阵进行运算。
4.学习词嵌入
对于一个句子，来预测下一个单词，给出了单词的index，通过E嵌入矩阵，将one-hot转化为300维的向量，那么输入就是6*300维的向量。
通过嵌入矩阵的变换，可能orangeappledurianpear等都会由相同的向量来表示。
还可以设置窗口，=4则考虑当前词的前4个来进行预测。
如果要建立一个语言模型，一般选择目标词之前的几个作为上下文；如果要学习词嵌入，可以选择其他的上下文。
被预测的juice被称为target，可以选取不同长度范围的上下文， 只选一个的预测算法被称为skip gram。
//但是到目前为止都没讲到底E是怎么学习得到的？
5.word2vec
假设选取好了上下文为orange，那么随机选择在它的一定范围内的word作为预测target，左右进行选择，是skip-gram主要解决的问题。
假设词典大小为10万，ec是上下文word的嵌入向量，Θt是与输出t有关的参数，即某个词和标签相符的概率？？？
index[orange]=6257,index[juice]=4834，输入one-hotc并通过E进行转化，然后使用softmax进行预测，y是一个one-hot向量，yhat也是一个形状和y一样的，
并且定义损失函数为交叉熵。softmax能够预测出，下一个单词为字典中每个单词的概率，也就是10万个概率。
这张PPT里讲到了两个点，
1.语料库通常都是非常大的，在计算softmax的分母时，会十分耗时，那么通常的解决办法是分级softmax，通过二叉树进行确定当前单词具体在前多少个（前5k,后5k?）位置，这样求和的范围就会变小了。
这样时间就变为了原来的log级别，通常应用的softmax不是正好二分平衡的，常会根据单词出现的频率而有不同的深度，常出现的就会在低等级，而像durian不常出现就会在下面。
2.如何采样上下文c呢?
如果等概率选，那么出现频率高的就会选中次数很多，从而他们的ec会被常常更新，所以采用不均概率采样。
6.负采样
选定了上下文，从词典中随机选取单词word，并且有对应的target值，重复k次，这样就得到了训练集。
对于k的选取，在小数据集中选5-20之间，大数据集是2-5之间。
在x中，context设置为t，word为t,在选中的样本中，正负比为1：K，
那么就可以进行训练，比如对于orange，得到的是一个10000的结果，其中一个就是juice的概率，可以将其视为10000个二元分类器，但并不是每次迭代都训练全部10000个，只需训练其中的5个，其中一个对应juice，令4个（K=4，选取4个负样本时）随机选取的负样本。
转化为10000个二元分类问题，每次训练只需更新其中5个，每一个都比较好计算。
关于如何对负样本采样，根据出现频率/频率的倒数，这样的都是不平均的， 由于语料库中的单词本来就不是平均出现的，所以论文里说最好的选取方法是从根据频率的3/4方，比上所以词频的3/4的和。
7.GloVe词向量
对于xij表示的是i出现在j的上下文中的次数，计数频率，i=t,j=c，在一定范围内任意的word组成的对。
xij=xji，因为是相对来说的。
如何进行优化呢？
就是幻灯片中所表现的内容，没有详细地讲f(xij)函数=0，当xij=0时，对所有word分别作为c和t就最小值，就是优化目标。
//没太明白这张幻灯片在讲什么，整理了公式。
8.情绪分类
给出了单词的index，通过嵌入矩阵转换为对应的嵌入向量，可以将其求和或者平均输入softmax分类器，最终输出1-5星。
但是这样不考虑词序的话，可能会导致问题，比如左下角的例子，有3个good很可能被判定为好评。那么使用RNN来进行。
9.词嵌入除偏
通过模型进行训练得到的，很可能是存在偏见bias的，比如男人对：程序员，女人对家庭主妇等等。
词嵌入能反映性别、种族、性取向等的歧视。//这还不是从材料中学习到的吗？AI的歧视不是由于人类世界中存在吗？..
如何解决问题，对那些不涉及性别的单词，对在非歧视方向做投影，使他们到性别的举例相等。