python - fastText 嵌入句向量？

Question

我想了解创建句子的 fastText 向量的方式。根据这个issue 309 ，句子的向量是通过对单词的向量进行平均得到的。

为了证实这一点，我写了下面的脚本:

import numpy as np
import fastText as ft

# Loading model for Finnish.
model = ft.load_model('cc.fi.300.bin')

# Getting word vectors for 'one' and 'two'.
one = model.get_word_vector('yksi')
two = model.get_word_vector('kaksi')

# Getting the sentence vector for the sentence "one two" in Finnish.
one_two = model.get_sentence_vector('yksi kaksi')
one_two_avg = (one + two) / 2

# Checking if the two approaches yield the same result.
is_equal = np.array_equal(one_two, one_two_avg)

# Printing the result.
print(is_equal)

# Result: FALSE

但是，似乎得到的向量并不相似。

为什么两个值不同？这会与我对向量进行平均的方式有关吗？或者，也许我遗漏了什么？

Answer 1

首先，您错过了 get_sentence_vector 不仅仅是简单的“平均”部分。在FastText对每个词向量求和之前，每个向量除以它的范数(L2范数)，然后平均过程只涉及具有正L2范数值的向量。

其次，句子总是以 EOS 结尾。因此，如果您尝试手动计算，则需要在计算平均值之前放入 EOS。

试试这个(我假设每个词的 L2 范数是正的):

def l2_norm(x):
   return np.sqrt(np.sum(x**2))

def div_norm(x):
   norm_value = l2_norm(x)
   if norm_value > 0:
       return x * ( 1.0 / norm_value)
   else:
       return x

# Getting word vectors for 'one' and 'two'.
one = model.get_word_vector('yksi')
two = model.get_word_vector('kaksi')
eos = model.get_word_vector('\n')

# Getting the sentence vector for the sentence "one two" in Finnish.
one_two = model.get_sentence_vector('yksi kaksi')
one_two_avg = (div_norm(one) + div_norm(two) + div_norm(eos)) / 3

可以看源码here或者你可以看到讨论 here .