0. 前言

跟着师兄做知识图谱相关课题，果然知识图谱还是🉐和NLP结合，那就来把，先过一遍NLP。

1. 理解词语

• 词向量
  把词映射到空间中，根据夹角、距离和长短等判断词的相似性。

• Continuous Bag of Words (CBOW)
  前后的词预测中间的词

• Skip-Gram
  中间的词预测前后的词

• 损失函数
  损失函数通过正采样和负采样设定，tf.nn.nce_loss抽样选取来传递loss

2. 理解句子

• 句向量
  通过模型，得到的机器对于一句话的理解，对于这个理解，也就是向量，使用的方法不止一种。

• Encoding
  得到词向量之后，使用神经网络做复杂乘法运算得到句向量，也就是把多个词空间向量通过神经网络映射到另一个空间做句向量。
  Encoding过程类似压缩的过程，将大量复杂的信息，压缩成少量经典的信息，通过这个途径找到信息的精华部分。

• Decoding
  Encoding得到的句向量就是机器对句子的理解，那么可以用另一个神经网络对句向量做各种各样的解码操作。
  简而言之，Encoder负责理解上文，Decoder负责将思考怎么样在理解的句子的基础上做任务。

• Seq2Seq
  seq2seq属于encoder-decoder结构的一种，常见的encoder-decoder结构，基本思想就是利用两个RNN，一个RNN作为encoder，另一个RNN作为decoder。encoder负责将输入序列压缩成指定长度的向量，这个向量就可以看成是这个序列的语义，这个过程称为编码，而decoder则负责根据语义向量生成指定的序列，这个过程也称为解码。