DAN(Deep Average Network)

MLP（Multi-Layer Perceptrons）叫做多层感知机，即由多层网络简单堆叠而成，进而我们可以在输出层加入softmax，或者将输入层作为特征进行提取后，输入到SVM，逻辑回归，朴素贝叶斯等传统分类器进行分类预测。其中最具代表的是DAN，其基本结构如下图所示：

在输入层，我们对每一篇文章中的词汇向量进行相加求平均。在中间隐藏层，我们建立了多层的神经网络单元，进行深层次的特征提取，对每一层，我们都有相应的激活函数，其中激活函数可以按照我们的需求自己进行选择。在输出层，我们加入了softmax层，对输出层的个数即为分类标签的个数，我们要做的事情就是最大化当前文章标签所对应的神经元节点，进而构造损失函数，进行参数更新。

在预测阶段，我们将文章的单词进行输入，最终根据输出层softmax最大的节点，得到我们的预测标签。对于多分类，我们可以自己限定阈值和多分类的个数，取最大的topK个标签。

模型使用中的trick：在作者的论文中[1]，加了了dropout，将输入层随机的进行丢弃，增加了模型的健壮性。

那这种模型有什么优缺点吗？我们来总结一下：

优点：

• 模型简单，训练速度快。
• 模型通过增加隐藏层节点的个数，可以增加模型的复杂度，进而提升模型的准确率。

缺点：

• 由于输入层使用的加和平均作为，并没有考虑单词之间的顺序信息。

Fasttext

fasttext是facebook在2016年推出的一款获取词向量和快速分类的一个工具[2]，其基本思想是建立在Google提出的Word2vector的基础上，并对其进行些许的改进，打造成了一种既可以获取词向量又可以进行文本分类的工具，其中，fasttext根据Piotr Bojanowski[2]等人的文章，加入了n-gram模型，增加了单词的顺序信息，从而增加了准确率。论文实验结果表明，在情感分析和tag标注上都取得了不错的效果。

fasttext文本分类

如果想了解fasttext的基本原理，首先要对word2vec有一定的了解，可以参考词向量模型word2vec详解。

fasttext用于文本分类，其基本模型和word2vec类似，无非是将叶子节点改成类别标签。我们设文章集合为\(D\),\(d_{i} \in D\),表示第\(i\)篇文章，\(w_{ij}\)表示第\(i\)篇文章中的第\(j\)个单词，我们假设词汇集合为\(V\),类别标签为\(label_i\),表示第\(i\)篇文章的标签是\(label_i\)，对于第\(i\)篇文章的第\(j\)个单词\(w_{ij}\)来说,我们抽取其上下文的单词\(context(w_{ij})\),我们可以构建模型

输入层到隐藏层，对于CBOW模型来说，输入的就是当前词的上下文单词，我们这里可以设定一个窗口的阈值，比如是1，则我们输入的当前单词的前后两个单词，从输入层到隐藏层，我们会对这两个单词的词向量进行相加，得到vec(context(wij)),得到隐藏层的节点。从隐藏层到叶子结点，我们可以设置一个全连接层， 在输出层，我们可以进行一个softmax，最终最大化当前文章的label，进而构造损失函数，进行求解。

在隐藏层到输出层中，我们可以用哈夫曼树来代替全连接结构，进而加快训练的速度。个人认为，其实对于量级比较少的label，构造哈夫曼树的作用不大，但是对于类别标签较多的样本来说，构造哈夫曼树作用还是比较大的

以上便是fasttext用于文本分类的整体流程，笔者实验了在大数据集上的文本分类速度和效果，整体上还是不错的，可以作为文本分类的一个baseline。

fasttext的n-gram模型

由于输入的单词仅仅做了一个简单的加和，并没有考虑单词之间的顺序特征，举个例子，"我 爱 你"和"你 爱 我"经过分词之后，可以看到如果根据词袋模型，两者的输入是完全相同的，但是如果加入n-gram信息的话，就变成了"我 爱 你 我爱 爱你"和"你 爱 我 你爱 爱我"这样输入的特征就不一样了，区分了两者。
所以根据[3]的思想，我们可以在分类或者是向量学习的阶段，将n-gram特征作为输入的信息，增加更多的特征，使得学习的更充分。

那么综上，我们来总结一下fasttext的优缺点

优点：

• fasttext在构建使用的哈夫曼树，极大增加了训练和预测的速度。
• 加入了n-gram模型，考虑了单词之间的顺序问题，有效的提高了准确率。

缺点：

• 虽然fasttext加入了n-gram模型以增加单词之间的顺序信息，但是总体来说其受限于context的长度，对于大于context窗口大小的单词，无法捕捉其顺序信息。

Doc2vec

Doc2vec是一种获取文章向量的一种方法，为什么要放在文本分类的里面呢，是因为当我们获取文章向量之后，我们就可以将文章向量输入到SVM，逻辑回归进行分类预测了，所以，本质上doc2vec目的并不是用于分类，而是获取文章向量的上面。

Doc2vec是由Tomas Mikolov[4]提出的一种文章向量获取的方法，其思想是建立在Word2vec的基础上，区别在于将文章的向量D也作为一种可变的参数，加入到训练中，如下图所示，当我们要预测第四个单词"on"的时候，我们将这批词所对应的文章向量D与另外三个单词作为输入，同时进行预测，在输入层，我们可以利用简单的加和或者是取平均值，剩下的基本就和Word2vec一样，从隐藏层到输出层我们可以建立一个神经网络，输出节点的个数即为单词的个数，或者我们用哈夫曼树，加快训练的时间。

同样，作者在论文中还提出了一种skim-gram的doc2vec，如下图所示，即我们用当前文章向量D作为输入。

我们简单总结一下doc2vec的优缺点

优点：

• doc2vec是一种无监督的学习，根据语料可以直接获得文章的向量，省去了手工获取特征的麻烦，而且随着我们语料的增加，模型会更加的精确。
• 文章和词向量一起训练，一定程度上使得文章向量的表达更准确。

缺点：

• 模型结构比较简单，不能捕获单词的order信息。

参考文献 [1]Mohit Iyyer.(2015)Deep Unordered Composition Rivals Syntactic Methods for Text Classification
[2]Armand Joulin.(2016)Bag of Tricks for Efficient Text Classification.
[3]Piotr Bojanowski(2016)Enriching Word Vectors with Subword Information.
[4]Tomas Mikolov(2014)Distributed Representations of Sentences and Documents.