¿Cuál es el propósito de los pesos y sesgos en el ejemplo de tensorflow word2vec?
Estoy tratando de entender comoejemplo de word2vec funciona y realmente no entiendo cuál es el propósito de los pesos y sesgos pasados a la función nse_loss. Hay dos entradas variables en la función: pesos (más sesgos) e incrustación.
# Look up embeddings for inputs.
embeddings = tf.Variable(
tf.random_uniform([vocabulary_size, embedding_size], -1.0, 1.0))
embed = tf.nn.embedding_lookup(embeddings, train_inputs)
# Construct the variables for the NCE loss
nce_weights = tf.Variable(
tf.truncated_normal([vocabulary_size, embedding_size],
stddev=1.0 / math.sqrt(embedding_size)))
nce_biases = tf.Variable(tf.zeros([vocabulary_size]))
Ambos se inicializan al azar y (hasta donde yo entiendo) ambos están sujetos a actualizaciones durante el aprendizaje.
# Compute the average NCE loss for the batch.
loss = tf.reduce_mean(
tf.nn.nce_loss(nce_weights, nce_biases, embed, train_labels,
num_sampled, vocabulary_size))
Supongo que ambos deberían representar un modelo entrenado. Sin embargo, los pesos y los sesgos nunca se utilizan más adelante para los cálculos de similitud. En cambio, solo se usa un componente:
# Compute the cosine similarity between minibatch examples and all embeddings.
norm = tf.sqrt(tf.reduce_sum(tf.square(embeddings), 1, keep_dims=True))
normalized_embeddings = embeddings / norm
valid_embeddings = tf.nn.embedding_lookup(
normalized_embeddings, valid_dataset)
similarity = tf.matmul(
valid_embeddings, normalized_embeddings, transpose_b=True)
Entonces, ¿qué pasa con el segundo componente del modelo? ¿Por qué se ignoran los pesos y los prejuicios?
Gracias.