【笔记】蚂蚁金服公开基于笔画的中文词向量算法
案例来源：@安和林
（以下为案例的简要概述，便于之后能快速检索到相关内容。部分文字与图片可能直接来自原文，如有侵权请告知，谢谢）
1. 背景：word2vec技术考虑的是英文文本，单个英文字母不包含语义，而中文由笔画组成，笔画顺序已经包含了语义信息，如“笔”字由“竹字头”和“毛”两个部分组成
2. 目标：将中文笔画包含的信息也纳入word2vec中，得到更好的中文词向量表示
3. 过程：
1）将中文词语分解为笔画，然后用滑动窗口的方式将笔画映射到数字编号（图中窗口为3、4、5）
2）定义相似性函数，q为n元笔画向量，c为上下文词语的词向量（注意这里上下文不拆解笔画）
3）定义基于n元笔画的损失函数
4. 示例：如图，以“治理雾霾刻不容缓”为例，将“雾霾”分解为黄色部分的n元笔画，上下文为“治理
”与“刻不容缓”的词向量。计算每一个n元笔画和上下文词语的相似度，然后根据定义的损失函数更新上下文的词向量和n元笔画向量
5. 结果：在中文语料数据集中，在命名实体识别、文本分类等任务中较业界几个优秀的词向量算法效果更好