word2vec 究竟学到了什么？伯克利提出可定量预测的学习理论

伯克利 AI 研究团队发表新论文，首次给出 word2vec 学习过程的定量预测理论：在现实实用条件下，其学习问题可归约为无权重最小二乘矩阵分解，梯度流动态有闭式解，最终学到的表示等价于对目标矩阵 M* 做 PCA。从小初始化训练时，word2vec 按离散步骤逐次学习正交线性子空间，每步提升嵌入矩阵的秩并降低损失，这些特征即 M* 的顶部特征向量，可由语料统计和超参数预先算出。