昨天开始看text matching的一个很好的资源，有文献有讲解有代码
今天看了DRCN的网络结构部分，代码部分还在进行中...

贴上原作者的地址：

文本匹配模型之DRCN - Welcome to AI World​terrifyzhao.github.io

terrifyzhao/text_matching​github.com

W2V的源码阅读记录---20190815

word2vec_dynamic.py

0.基础函数

list.extend(list2)

#把list2的每个值都加到list的末尾

collections.deque()

#生成双端队列，方便从两端append

np.random.choice的用法

# 参数意思分别 是从a 中以概率P，随机选择3个, p没有指定的时候相当于是一致的分布

#TF的函数接口

tf.name_scope(‘inputs’)总结：
１．　｀tf.variable_scope｀和｀tf.get_variable｀必须要搭配使用（全局scope除外），为share提供支持。
２．　｀tf.Variable｀可以单独使用，也可以搭配｀tf.name_scope｀使用，给变量分类命名，模块化。

1. ｀tf.Variable｀和｀tf.variable_scope｀搭配使用不伦不类，不是设计者的初衷

'''

tf.random_uniform((6, 6), minval=low,maxval=high,dtype=tf.float32)))
返回6*6的矩阵，产生于low和high之间，产生的值是均匀分布的。
tf.nn.embedding_lookup(embeddings, train_inputs)

#作用是查找embeddings矩阵中，index为[train_inputs]的向量

tf.summary.scalar(‘mean’,mean)

#显示标量信息，用于收集一维标量

loss = tf.reduce_mean( tf.nn.nce_loss())

mean_0 

关于NCEloss的实现：
_compute_sampled_logits: 通过这个函数计算出正样本和采样出的负样本对应的output和label；
sigmoid_cross_entropy_with_logits: 通过 sigmoid cross entropy来计算output和label的loss，从而进行反向传播。这个函数把最后的问题转化为了num_sampled+num_real个两类分类问题，然后每个分类问题用了交叉熵的损伤函数，也就是logistic regression常用的损失函数。TF里还提供了一个softmax_cross_entropy_with_logits的函数，和这个有所区别。
优化器

#SGD

tf.multiply(x, y, name=None) 和 tf.matmul（）

tf

计算图Graph最后步骤

# Merge all summaries.

计算图的训练

tf

模型保存

saver

1. word2vec_basic(log_dir) —–> load_data()

1. 编码

df1 = pd.read_csv('input/train.csv', encoding='utf-8-sig')

df1 

2. re.sub()正则

segments = list(
map(
lambda x: list(jieba.cut(re.sub("[！，。？、~@#￥%&*（）.,:：|/`()_;+；…-s]", "", x))), df_sentences))
'''
re.sub(pattern, repl, string, count=0, flags=0)
pattern，表示正则中的模式字符串。
反斜杠加数字（N），则对应着匹配的组（matched group）
比如6，表示匹配前面pattern中的第6个group
​
repl，就是replacement，被替换，的字符串的意思。repl可以是字符串，也可以是函数。
'''
str.replace(old, new[, max])
str.strip()对于这个函数要记住3点：

1. 默认删除行首或者行尾的空白符（包括'n', 'r', 't', ' ')
2. 从行首行尾开始逐次判断删除
3. lstrip() rstrip()

s匹配任意空白字符，等价于 [tnrf].

S匹配任意非空字符

[Pp]ython匹配 "Python" 或 "python"

rub[ye]匹配 "ruby" 或 "rube"

[aeiou]匹配中括号内的任意一个字母

[0-9]匹配任何数字。类似于 [0123456789]

[a-z]匹配任何小写字母[A-Z]匹配任何大写字母

[a-zA-Z0-9]匹配任何字母及数字

[^aeiou]除了aeiou字母以外的所有字符

[^0-9]匹配除了数字外的字符

3.map()

map(function, iterable, ...)
#这里，是把['','','']通过lambda依次取出str进行re.sub()和jieba.lcut()
'''
所以，整个语句最后输出segments是[
[],[]
]，每个子list中存放的是str（分词后的）
'''

2. word2vec_basic —> bulid_dataset(words, min_count)

把行输入处理成dataset

1.collections.Counter(words).most_common()

collection

3.W2V的step2

vocabulary 

4.W2V的step3

为skip-gram生成训练batch
num_skips:表示选择挤兑数据，如skip_window是2，与target有关的就是4个，当num_skips==3，随机选择三个词与target组队训练
generate_batch(batch_size, num_skips, skip_window)—-》 return batch，labels

5.W2V的step4

建立计算图，用于训练skip-gram模型

6.W2V的step5

开始训练

with