目录：
- 基础部分回顾（词向量、语言模型）
- NLP的核心：学习不同语境下的语义表示
- 基于LSTM的词向量学习
- 深度学习中的层次表示以及Deep BI-LSTM
- ELMo模型
- 总结
1. 基础部分回顾（词向量、语言模型）
1.1 独热编码-词的表示
1.2 词向量-词的表示
- 我们为什么需要词向量？（One-hot向量的缺点？）
- 基于One-hot能否表示单词之间语义相似度？
1.2.1 基于One-hot能否表示单词之间语义相似度？
答：不可以。因为，我们不管是通过欧式距离还是通过余弦相似度，计算用One-hot表示的词编码都是一样的距离，不能区分单词之间语义的相似度。
比如，计算：我们、爬山的欧式距离、余弦相似度：
当然每个词之间的余弦相似度也都是相同的。词向量学习到的每个向量都是用不同的浮点数表示，计算每个单词的相似度是不一样的，可以表示单词之间语义相似度。
1.2.2 One-hot向量的缺点？
- One-hot向量稀疏性，词向量是稠密向量；
- One-hot向量不能表示单词之间语义相似度；
词向量从2013年提出开始，慢慢的发展成现在的Bert、XLNet等比较前言的技术。
1.3 词向量-词向量的可视化
把词向量表示成二维数据后，可以发现类似的单词是聚在一起的，因此可以得出词向量可以区分单词之间语义的相似度。
词向量的可视化常用的算法是sklearn中的T-SNE，它是一种降维算法。降维算法还有PCA、ICA、LDA，针对词向量的降维我们通常使用T-SNE，Bengio在他文章中介绍T-SNE非常清楚。我自己找了一下Bengio的文章，没有找到介绍T-SNE的内容，谁找到告诉一下哈！
1.4 词向量-学习词向量
把一堆文本输入到某些模型中，我们可以得到词向量。模型包括：CBOW、Skip-Gram、NNLM、Glove、MF、ELMo、Gaus Embedding、LDA、Bert等。
2. NLP的核心：学习不同语境下的语义表示
2.1 语言模型-概念
2.2 语言模型-对于句子的计算
2.2.1 Chain Rule
贝叶斯公式：
Chain Rule：
2.2.2 Chain Rule for Language Model
2.2.3 Markov Assumption
2.2.4 Language Model（Use 1st Order）
假设现在我们知道这些单词的概率：
P(是|今天) = 0.01
P(今天) = 0.002
P(周日|是) = 0.001
P(周日|今天) = 0.0001
P(周日) = 0.02
P(是|周日) = 0.0002
比较：“今天是周日 VS 今天周日是 ”两句话哪一句从语法上更通顺？
显然， P(今天是周日) >P(今天周日是) 。
ELMo是基于语言模型的目标函数进行训练的。
2.3 语言模型-相关必要知识点
- Chain Rule, Markov Assumption
- Unigram, Bigram, Ngram
- Add-one smoothing, Good-turning smoothing...
- Perplexity
图片来源于：网友
2.4 基于分布式表示的模型总览
介绍词向量的总览，各个词向量模型之间的联系和区别。
Global方法：把非常大的数据放到模型中学习，得到全局的数据信息。优势：可以从全局的角度考虑问题。劣势：1）计算量很大；2）不能在线学习。
Local方法：基于窗口式的方法进行训练，是一种局部的方法。优势：1）可以随时的增加数据进行训练，也就是可以在线学习；2）可以用在大数据里面。缺点：不能从全局的角度考虑问题。
2.5 建议的学习路径
2.6 词向量训练常见的方法
- SkipGram方法：预测相邻单词的概率。
- CBOW方法：已知两边单词，预测中间单词。
- NNLM方法：基于语言模型和马尔科夫假设进行
基于SkipGram、CBOW和NNLM的方法，我们可以训练出每一个单词的固定词向量。但是在同一句话中，这些方法不能表示相同单词的不同语义。因此我们引出ELMo、Bert和XLNet。
即，如何学出一个单词在不同上下文中的词向量呢？
3. 基于LSTM的词向量学习
3.1 利用LSTM学习词向量（语言模型）
3.2 从单向LSTM到双向LSTM
单向LSTM只能从左到右的预测单词，有时我们想利用单词左右两边的信息，即双向信息，因此我们需要双向LSTM。
XLNet用Permutation language model 实现真正的双向LSTM模型。
以下这种形式不是完全双向的LSTM模型：
4. 深度学习中的层次表示以及Deep BI-LSTM
4.1 启发：深度学习中的层次表示（Hierarchical Representation）
越高级的特征表示越来越具体化。
4.2 How Human Brain Works
4.3 图像中有层次表示，NLP中是否也有？
4.4 Deep BI-LSTM
4.5 训练以及使用
ELMo具体细节可以翻阅论文：Peters M E , Neumann M , Iyyer M , et al. Deep contextualized word representations[J]. 2018.
5. ELMo模型
5.1 ELMo的数学表达
5.2 实验
这一部分展示了ELMo模型论文中的实验结果。
6. 总结
本文是Microstrong在观看李文哲在B站上讲解的直播课程《词向量与ELMo模型》的笔记。直播地址：https://live.bilibili.com/11869202
原文地址：词向量漫谈，欢迎大家关注Microstrong公众号！！！
原文地址：https://www.cnblogs.com/Christbao/p/12332939.html