代码实现MNLM | word embedding开山之作 _embedding

博观而约取，厚积而薄发。这篇文章主要讲述代码实现MNLM | word embedding开山之作相关的知识，希望能为你提供帮助。
这篇文章呢在自然语言处理领域有里程碑意义，是word embedding的开山之作。今天我们就来复现一下这篇文章的代码。
先回顾一下子模型结构论文笔记看：MNLM：Word Embedding开山之作 A Neural Probabilistic Language Model_LolitaAnn的技术博客_51CTO博客
论文原文看：ResearchGate：A Neural Probabilistic Language Model
论文讲解视频看：MNLM：A neural probabilistic language model_哔哩哔哩_bilibili
写之前先回顾一下模型构造，知道构造才能知道要写什么嘛。

文章图片

公式是：
$$
y=b+W x+U \\tanh (d+H x)
$$

y 是输出
x 是输入，之后会转化为图中的C，但是原文公式还用的x表示
d 是隐藏层的bias
H 是输入层到隐藏层的权重
U 是隐藏层到输出层的权重
W 是c直接到输出层的权重
b 是输出层的bias

解释一下网络是怎么出来的我们可以知道这是一个有一个隐藏层的神经网络。并且看一下上图的注解，写的是$C(i)$是第i个单词的特征向量。所以输入要进行embedding处理。
这里我们还是要注意一点，就是虽然收入要经过一个embedding的处理，但是原公式中还是写的输入是X。
注意我标红的部分，这里是输入直接有一个到输出的。

文章图片

就是下图红框的部分。

文章图片

去掉红框剩下的就是常规的多层感知机，就不用多解释了。

文章图片

看一下论文原文部分：

文章图片

这部分说了一下模型的参数设置，先是说了一下W和x这两个量。x是一个word embedding的矩阵。W是一个初始化为0的矩阵。然后就是剩下的几个参数说了一下参数的形状。
代码模型代码
然后就可以创建好我们的网络了。

class NNLM(nn.Module): def __init__(self): super(NNLM, self).__init__() self.C = nn.Embedding(n_class, m) self.H = nn.Parameter(torch.randn(len_sen * m, n_hidden,requires_grad=True)) self.d = nn.Parameter(torch.randn(n_hidden)) self.U = nn.Parameter(torch.randn(n_hidden, n_class,requires_grad=True)) self.W = nn.Parameter(torch.zeros(len_sen * m, n_class,requires_grad=True)) self.b = nn.Parameter(torch.randn(n_class))def forward(self, X): # X : [batch_size, len_sen] X = self.C(X) # X : [batch_size, len_sen, m] X = X.view(-1, len_sen * m) # [batch_size, len_sen * m] tanh = torch.tanh(self.d + X @ self.H) # [batch_size, n_hidden] output = self.b + X @ self.W + tanh @ self.U # [batch_size, n_class] return output

代码解析：

__init__(self) 这部分是上面一些参数量。
- self.C是一个embedding操作。
- 其余的就是网络中的参数。提到的W初始化为0矩阵，所以W那里就用torch.zeros，其余的就使用随机初始化torch.randn。
forward(self, X)就是设置前向传播，
- X = self.C(X)，先将X进行一个embedding处理，然后再将结果还给X。就对应了我们前面提到的，虽然要经过一个embedding处理，但是原公式中输入还是用X表示的。
- Tensor.view函数是修改张量形状的。torch.Tensor.view — PyTorch 1.11.0 documentation。
  修改维度之后就是将每个句子中每个单词的word embedding向量拼接起来。
- self.d + X @ self.H 这里是输入层的隐藏层的计算。
- tanh = torch.tanh(self.d + X @ self.H)计算结果要经过tanh的激活函数。这里是将tanh激活函数计算之后的结果直接赋值给了一个叫tanh的变量。
- output = self.b + X @ self.W + tanh @ self.U 然后是输出层计算。这里要注意输出层的结果是有两部分组成的。一部分是隐藏层传过来的结果，一部分是输入层传过来的结果，二者相加之后才是隐藏层的计算。

维度解析：
从第十一行代码开始，我在后面都标注了维度的。现在我们来解释一下。
最开始X是输入了几个句子，然后每个句子有不同的长度。这里你输入几个句子就是你的样本数量，我们用batch_size表示。每个句子的长度用len_sen表示。
m是embedding向量的长度。使用外号的向量表示一个单词的时候，你的词汇表有多长，你的表示向量就有多长。但是你现在使用特征值来表示一个单词。你仅需要设定你想表示的特征向量的长度即可，这个m是可以自己设置的。因为这个代码里用到的数据比较简单，所以你设置的小一点也没有关系。我在这里是设置为3。
隐藏层的大小设置为n_hidden。词汇表的长度是n_class。

最开始你的输入是一组句子嘛，所以你的输入X的形状应该是 [batch_size, len_sen]。此时矩阵的每一个元素都是一个单词。

文章图片
经过第一步embedding计算之后，就会将其转化为特征向量表示。此时的X的形状应该是[batch_size, len_sen, m]。因为原来你是一个元素，表示一个词。现在变成了一个词，用一个特征向量来表示。所以就增加了一个维度来表示这个特征向量。现在变成了一个三维矩阵。

文章图片
经过Tensor.view修改形状。这里是X.view(-1, len_sen * m)修改为二维矩阵，矩阵的第二维是len_sen * m，第一维度自适应（-1是自适应的意思）。意思就是把一个句子中不同单词的表示做一个concate，拼接起来。

文章图片
tanh这里已经到了隐藏层了。所以输入向量的长度会变成隐藏层的大小。这个隐藏层的大小n_hidden也是需要自己设置的。隐藏层大小决定网络的质量。当然我们这里数据量比较小，所以好不好其实隐藏层大小的影响根本就不大。一般隐藏层的大小遵循以下几个规则。
假设：
- 输入层大小为$n$
- 输出层分为$m$类
- 样本数量为$s$
- 一个常数$c$
常见的观点有隐藏层数量$h$：
- $h = \\fracsc(n+m) \\quad c\\in [2,10]$
- $h = \\sqrtn+m + c \\quad c\\in [1,10]$
- $h = \\sqrtnm$
- ……
- 神经网络中如何确定隐藏层的层数和大小_LolitaAnn的技术博客_51CTO博客
在这里我们就使用$h = \\sqrtnm$。在我们的代码里输入的长度就是len_sen * m。分类大小就是单词表的长度n_class。计算之后h的大小为14。
此时的tanh维度为[batch_size, n_hidden]。

文章图片
输出层形状是[batch_size, n_class]，输出层要做的对每一个样本计算最终获得一个向量。这向量的长度和单词表的长度一样，以此指出预测结果在单词表中的位置。

文章图片

数据预处理部分的代码
我们先要制作一个单词表。这里是一个最基础的一个处理。用空格进行分词，然后把所有的单词都转化成小写放到单词表中，再制作好对应的索引。

sentences = ["The cat is walking in the bedroom", "A dog was running in a room", "The cat is running in a room", "A dog is walking in a bedroom", "The dog was walking in the room"]word_list = " ".join(sentences).lower().split() word_list = list(set(word_list)) word_dict = w: i for i, w in enumerate(word_list) number_dict = i: w for i, w in enumerate(word_list)

第七行代码word_list是把数据集中的所有句子都用空格拼接起来。然后再将其转化成小写。然后再用空格将其分开，分成不同的词。此时就得到了一个单词列表。但是现在里面会有很多重复的词。
第八行的代码word_list先使用set，把上面得到的那个列表转换成一个集合，去掉重复的词，然后再转换回列表。
第九行和第十行代码就是使用枚举创建单词表的词典。

因为给定的数据是一堆句子，我们要把它分开，分为输入和输出，我们在这里做的一个任务是预测下一个词。我们选择用论文原文中的长度为7的句子，我们将前6个词作为输入来预测最后一个词。所以数据预处理部分就是先将一个句子拆分成输入和输出。

def dataset(): input = [] target = []for sen in sentences: word = sen.lower().split() # space tokenizer i = [word_dict[n] for n in word[:-1]] # create (1~n-1) as input t = word_dict[word[-1]] # create (n) as target, We usually call this casual language modelinput.append(i) target.append(t)return input, target

这张代码应该不用过多的解释了，看一下这个输出结果你们就能懂了。就是把每个样本都处理好了之后，再拼接到一个矩阵里面。

文章图片

完整代码

import torch import torch.nn as nn import torch.optim as optimdef dataset(): input = [] target = []for sen in sentences: word = sen.lower().split() # space tokenizer i = [word_dict[n] for n in word[:-1]] # create (1~n-1) as input t = word_dict[word[-1]] # create (n) as target, We usually call this casual language modelinput.append(i) target.append(t)return input, target# Model class NNLM(nn.Module): def __init__(self): super(NNLM, self).__init__() self.C = nn.Embedding(n_class, m) self.H = nn.Parameter(torch.randn(len_sen * m, n_hidden,requires_grad=True)) self.d = nn.Parameter(torch.randn(n_hidden)) self.U = nn.Parameter(torch.randn(n_hidden, n_class,requires_grad=True)) self.W = nn.Parameter(torch.zeros(len_sen * m, n_class,requires_grad=True)) self.b = nn.Parameter(torch.randn(n_class))def forward(self, X): # X : [batch_size, len_sen, m] X = self.C(X) # X : [batch_size, len_sen, m] X = X.view(-1, len_sen * m) # [batch_size, len_sen * m] tanh = torch.tanh(self.d + X @ self.H) # [batch_size, n_hidden] output = self.b + X @ self.W + tanh @ self.U # [batch_size, n_class] return outputif __name__ == __main__:sentences = ["The cat is walking in the bedroom", "A dog was running in a room", "The cat is running in a room", "A dog is walking in a bedroom", "The dog was walking in the room"]word_list = " ".join(sentences).lower().split() word_list = list(set(word_list)) word_dict = w: i for i, w in enumerate(word_list) number_dict = i: w for i, w in enumerate(word_list) n_class = len(word_dict)# number of Vocabularylen_sen = 6 # number of steps, n-1 in paper m = 3 # embedding size, m in paper n_hidden = (int)((len_sen*m*n_class)**0.5) # number of hidden size, h in papermodel = NNLM()loss = nn.CrossEntropyLoss() optimizer = optim.Adam(model.parameters(), lr=0.003)input, target = dataset() input = torch.LongTensor(input) target = torch.LongTensor(target)# 训练之前先看一下效果。 predict = model(input).data.max(1, keepdim=True)[1] print([sen.split()[:6] for sen in sentences], -> , [number_dict[n.item()] for n in predict.squeeze()])# Training for epoch in range(5000): optimizer.zero_grad() output = model(input)# output : [batch_size, n_class], target : [batch_size] Loss = loss(output, target) if (epoch + 1) % 1000 == 0: print(Epoch:, %04d % (epoch + 1), cost =, :.6f.format(Loss))Loss.backward() optimizer.step()# Predict & test predict = model(input).data.max(1, keepdim=True)[1] print([sen.split()[:6] for sen in sentences], -> , [number_dict[n.item()] for n in predict.squeeze()])

【代码实现MNLM | word embedding开山之作】训练前后的输出对比：