python - skip-gram 模型的输出会是什么样子？

Question

据我了解，skip-gram 模型的输出必须与许多训练标签进行比较（取决于窗口大小）

我的问题是：skip-gram 模型的最终输出看起来像这张图片中的描述吗？

附言。我能找到的最相似的问题：[1] skip-gram 中的多个输出是什么意思？

标签： pythontensorflownlpnltkgensim

Answer 1

很难回答在退化/玩具/人造情况下“应该”发生什么，特别是考虑到实际初始化/训练中使用了多少随机性。

模型的内部权重和“投影层”（又名“输入向量”或只是“词向量”）都通过反向传播进行更改。因此，如果不考虑投影权重的初始化和更新，就无法回答内部权重应该是什么。并且只有两个训练示例没有任何意义，而不是“比模型状态近似的示例多得多”。

如果您认为您已经构建了一个在运行时提供信息的小案例，我建议您针对实际实现进行尝试，看看会发生什么。

但要注意：微小的模型和训练集可能很奇怪，或者允许多个/过度拟合/异质的最终状态，其方式并不能揭示算法在以预期方式使用时的行为方式——在大量不同的情况下的训练数据。