这篇文章是接着一文拿捏点互信息（PMI）解决词分布式表示稀疏性问题写的。解决分布式表示稀疏性问题另一个方法是使用**奇异值分解（Singular Value Decomposition，SVD）**。
我把例子搬过来了。还是原来的三个句子及其共现矩阵M。
- 我 喜欢 自然 语言 处理。
- 我 爱 深度 学习。
- 我 喜欢 机器 学习。
$$ \begin{array}{ccccccccccc} \hline & \text { 我 } & \text { 喜欢 } & \text { 自然 } & \text { 语言 } & \text { 处理 } & \text { 爱 } & \text { 深度 } & \text { 学习 } & \text { 机器 } & \circ \ \hline \text { 我 } & 0 & 2 & 1 & 1 & 1 & 1 & 1 & 2 & 1 & 3 \ \text { 喜欢 } & 2 & 0 & 1 & 1 & 1 & 0 & 0 & 1 & 1 & 2 \ \text { 自然 } & 1 & 1 & 0 & 1 & 1 & 0 & 0 & 0 & 0 & 1 \ \text { 语言 } & 1 & 1 & 1 & 0 & 1 & 0 & 0 & 0 & 0 & 1 \ \text { 处理 } & 1 & 1 & 1 & 1 & 0 & 0 & 0 & 0 & 0 & 1 \ \text { 爱 } & 1 & 0 & 0 & 0 & 0 & 0 & 1 & 1 & 0 & 1 \ \text { 深度 } & 1 & 0 & 0 & 0 & 0 & 1 & 0 & 1 & 0 & 1 \ \text { 学习 } & 2 & 1 & 0 & 0 & 0 & 1 & 1 & 0 & 1 & 1 \ \text { 机器 } & 1 & 1 & 0 & 0 & 0 & 0 & 0 & 1 & 0 & 1 \ \text { 。 } & 3 & 2 & 1 & 1 & 1 & 1 & 1 & 2 & 1 & 0 \ \hline \end{array} $$
SVD奇异值分解
从矩阵角度来看
公式为：
$$ M = U\Sigma V^T $$
怎么分解的涉及到数学知识，我等就不必深究了。总之简单来讲就是将$M$矩阵分解成一个$U$，一个$\Sigma$，一个$V^T$三个矩阵相乘。
-
$V$和$U$都是正交矩阵
- 正交矩阵： 如果$A\times A^T = E(单位矩阵)$，那A就是正交矩阵。
- 正交矩阵都是方阵。
-
$\Sigma$是一个半正定$m×n$阶对角矩阵，其对角线上的值就是$M$矩阵分解的奇异值。
-
$M$矩阵的形状是$m×n$，那它的特征值最多为$\min(m,n)$个。
也就是说奇异值分解最终得到的奇异值只有这个小方阵里的对角线元素。
若在 ${\Sigma}$ 中仅保留 $d$ 个 $(d<\min(m,n))$ 最大的奇异值（$U$和 ${V}$ 也只保留相应的维度），则被保留的奇异值组成的对角矩阵被称为**截断奇异值分解 (Truncated Singular Value Decomposition，TSVD)**。
从向量角度看
$$ M=\sigma_1 u_1 v_1^{\mathrm{T}}+\sigma_2 u_2 v_2^{\mathrm{T}}+\ldots+\sigma_r u_r v_r^{\mathrm{T}} \quad 其中r = \min(m,n) $$
其中等式右边每一项前的系数 $\sigma$ 就是奇异值， $u$ 和 $v$ 分别表示列向量，每一项 $u v^{T}$ 都是秩为 1 的矩阵。奇异值满足 $\sigma_1 \geq \sigma_2 \geq \ldots \geq \sigma_r>0$ 。
这样就可以和前边的截断奇异值对上了。前边我们提到，我们可以选择保留多少奇异值。一个矩阵$M$分解后最多有$\min(m,n)$个奇异值。
看一下下图，是借用知乎上的图，从左到右依次是原图、奇异值选1、5、50时候的样子。
当截断奇异值矩阵选择$r = 1$时，
$M' = \sigma_1 u_1 v_1^{\mathrm{T}}$
当截断奇异值矩阵选择$r = 5$时，
$M' = \sigma_1 u_1 v_1^{\mathrm{T}} + \sigma_2 u_2 v_2^{\mathrm{T}} + \sigma_3 u_3 v_3^{\mathrm{T}} +\sigma_4 u_4 v_4^{\mathrm{T}} +\sigma_5 u_5 v_5^{\mathrm{T}}$
当截断奇异值矩阵选择$r = 50$时，
$M' = \sigma_1 u_1 v_1^{\mathrm{T}}+ \sigma_2 u_2 v_2^{\mathrm{T}} + ... + \sigma_{50} u_{50} v_{50}^{\mathrm{T}}$
随着项数逐渐增大，$M'$逐渐还原$M$，就像泰勒展开式一样，项数越多越接近原图。
截断奇异值分解实际上是对矩阵 $M$ 的低秩近似。通过截断奇异值分解所得到的矩阵$U$中的每一行，则为相应词的$d$维向量表示， 该向量一般认为其具有连续、低维和稠密的性质。由于$U$的各列相互正交，因此可以认为词表示的每一维表达了该词的一种独立的“潜在语义”，所以这种方法也被称作潜在语义分析（Latent Semantic Analysis，LSA）。另外，$ΣV^T$的每一列也可以作为相应上下文的向量表示。
注意 ：$U$和$\Sigma V^T$是不相等的，相当于两套表示，我们在这选择$U$作为$M$的稠密表示。
代码
不管是NumPy还是PyTorch 中都自带了SVD分解。
直接使用.linalg.svd()方法即可。
import torch
M = torch.Tensor([[0, 2, 1, 1, 1, 1, 1, 2, 1, 3],
[2, 0, 1, 1, 1, 0, 0, 1, 1, 2],
[1, 1, 0, 1, 1, 0, 0, 0, 0, 1],
[1, 1, 1, 0, 1, 0, 0, 0, 0, 1],
[1, 1, 1, 1, 0, 0, 0, 0, 0, 1],
[1, 0, 0, 0, 0, 0, 1, 1, 0, 1],
[1, 0, 0, 0, 0, 1, 0, 1, 0, 1],
[2, 1, 0, 0, 0, 1, 1, 0, 1, 1],
[1, 1, 0, 0, 0, 0, 0, 1, 0, 1],
[3, 2, 1, 1, 1, 1, 1, 2, 1, 0]])
u, s, v = torch.linalg.svd(M)
print((u @ torch.diag(s) @ v).int()) # 乘起来
torch.set_printoptions(precision=3, sci_mode=False)
print(u) # M 的 稠密表示
结果：
乘起来可以看到SVD之后的结果还能再拼回去，不是在骗你。
tensor([[ -0.500, 0.724, 0.351, 0.253, -0.025, 0.193, 0.000, -0.000, -0.000, 0.017],
$\quad\quad\quad$[ -0.384, 0.052, -0.463, -0.519, 0.394, 0.363, 0.000, -0.000, -0.000, 0.282],
$\quad\quad\quad$[ -0.218, 0.036, -0.398, 0.156, -0.168, -0.182, 0.072, -0.138, -0.802, -0.200],
$\quad\quad\quad$[ -0.218, 0.036, -0.398, 0.156, -0.168, -0.182, -0.501, 0.586, 0.270, -0.200],
$\quad\quad\quad$[ -0.218, 0.036, -0.398, 0.156, -0.168, -0.182, 0.429, -0.448, 0.531, -0.200],
$\quad\quad\quad$[ -0.183, -0.010, 0.228, -0.419, 0.070, -0.258, 0.529, 0.468, -0.033, -0.409],
$\quad\quad\quad$[ -0.183, -0.010, 0.228, -0.419, 0.070, -0.258, -0.529, -0.468, 0.033, -0.409],
$\quad\quad\quad$[ -0.293, -0.300, 0.152, -0.252, -0.789, 0.302, 0.000, -0.000, 0.000, 0.155],
$\quad\quad\quad$[ -0.208, 0.015, 0.087, -0.079, -0.027, -0.708, 0.000, 0.000, 0.000, 0.664],
$\quad\quad\quad$[ -0.515, -0.615, 0.226, 0.416, 0.356, 0.070, -0.000, 0.000, -0.000, -0.038]])
引出embedding
虽然在基于传统机器学习的方法中，词的分布式表示取得了不错的效果，但是其仍然存在一些问题：
-
当共现矩阵规模较大时，奇异值分解的运行速度非常慢； 毕竟是矩阵运算，随着矩阵的增长，计算量会变得巨大。
-
如果想在原来语料库的基础上增加更多的数据，则需要重新运行奇异值分解算法，代价非常高； 当我们更新语料库的时候要面临重建共现矩阵的问题，又增加巨大的时间和计算开销。
-
分布式表示只能用于表示比较短的单元，如词或短语等，如果待表示的单元比较长，如段落、句子等，由于与其共现的上下文会非常少，则无法获得有效的分布式表示； 因为我们要自己选择共现的方法，所以不同共现方式也会获得不同效果。
-
分布式表示一旦训练完成，则无法修改，也就是说，无法根据具体的任务调整其表示方式。 没办法针对某一领域进行微调。
为了解决这些问题，可引入一种新的词表示方式——词嵌入表示。
这样绕了一圈之后我们终于可以回到在一文拿捏点互信息（PMI）解决词分布式表示稀疏性问题中开头提到的那一段：
标签：text,SVD,矩阵,稀疏,奇异,quad,0.000,sigma,分布式 From： https://blog.51cto.com/Lolitann/5908633之前在word embedding里浅浅的说了一下one-hot是怎么向词向量表示发展的，大家可以回顾一下。接下来我补充一下，接说二者之间还有一个阶段，词的分布式表示。