Gensim的Word2vec Skip-gram的默认估计方法？
Default estimation method of Gensim's Word2vec Skip-gram?
我现在正在尝试通过 NCE（噪声对比估计）估计 skipgram 嵌入来使用 word2vec，而不是像最近的一篇论文那样使用传统的负采样方法（https://asistdl.onlinelibrary.wiley.com/doi/full/10.1002/asi.24421?casa_token=uCHp2XQZVV8AAAAA%3Ac7ETNVxnpqe7u9nhLzX7pIDjw5Fuq560ihU3K5tYVDcgQEOJGgXEakRudGwEQaomXnQPVRulw8gF9XeO). The paper has a replication GitHub repository (https://github.com/sandeepsoni/semantic-progressiveness），它主要依赖于 gensim实现了word2vec，但是repository没有很好的组织和混乱，所以我不知道作者是如何通过gensim的word2vec实现NCE估计的。
作者只是使用了gensim的word2vec作为默认状态，没有包含任何选项，所以我的问题是gensim的word2vec在Skip-gram embeddings下的默认估计方法是什么。网络教育？根据你的手册，它只是说有一个负采样选项，如果设置为 0，则不使用负采样。但是那么使用什么估计方法呢？
negative (int, optional) – 如果 > 0，将使用负采样，负采样的 int 指定应绘制多少“噪声词”（通常在 5-20 之间）。如果设置为 0，则不使用负采样。
提前致谢，期待您的回音！
您可以在 Gensim 文档中的未修改的 Gensim 库中查看 Gensim Word2Vec 模型的默认参数。这是 Word2Vec 构造方法的当前版本 (4.1) 文档的 link，显示了所有默认参数值：
https://radimrehurek.com/gensim/models/word2vec.html#gensim.models.word2vec.Word2Vec
class gensim.models.word2vec.Word2Vec(sentences=None, corpus_file=None, vector_size=100, alpha=0.025, window=5, min_count=5, max_vocab_size=None, sample=0.001, seed=1, workers=3, min_alpha=0.0001, sg=0, hs=0, negative=5, ns_exponent=0.75, cbow_mean=1, hashfxn=, epochs=5, null_word=0, trim_rule=None, sorted_vocab=1, batch_words=10000, compute_loss=False, callbacks=(), comment=None, max_final_vocab=None, shrink_windows=True)
其中两个参数 - hs=0, negative=5 - 表示默认模式禁用 hierarchical-softmax，并使用 5 个负词启用负采样。对于许多版本，这些是 Gensim Word2Vec 的默认设置，因此即使其他代码使用旧版本，这也可能是使用的模式（除非参数或 modified/overriden 代码更改了它们）。
我现在正在尝试通过 NCE（噪声对比估计）估计 skipgram 嵌入来使用 word2vec，而不是像最近的一篇论文那样使用传统的负采样方法（https://asistdl.onlinelibrary.wiley.com/doi/full/10.1002/asi.24421?casa_token=uCHp2XQZVV8AAAAA%3Ac7ETNVxnpqe7u9nhLzX7pIDjw5Fuq560ihU3K5tYVDcgQEOJGgXEakRudGwEQaomXnQPVRulw8gF9XeO). The paper has a replication GitHub repository (https://github.com/sandeepsoni/semantic-progressiveness），它主要依赖于 gensim实现了word2vec，但是repository没有很好的组织和混乱，所以我不知道作者是如何通过gensim的word2vec实现NCE估计的。
作者只是使用了gensim的word2vec作为默认状态，没有包含任何选项，所以我的问题是gensim的word2vec在Skip-gram embeddings下的默认估计方法是什么。网络教育？根据你的手册，它只是说有一个负采样选项，如果设置为 0，则不使用负采样。但是那么使用什么估计方法呢？ negative (int, optional) – 如果 > 0，将使用负采样，负采样的 int 指定应绘制多少“噪声词”（通常在 5-20 之间）。如果设置为 0，则不使用负采样。
提前致谢，期待您的回音！
您可以在 Gensim 文档中的未修改的 Gensim 库中查看 Gensim Word2Vec 模型的默认参数。这是 Word2Vec 构造方法的当前版本 (4.1) 文档的 link，显示了所有默认参数值：
https://radimrehurek.com/gensim/models/word2vec.html#gensim.models.word2vec.Word2Vec
class gensim.models.word2vec.Word2Vec(sentences=None, corpus_file=None, vector_size=100, alpha=0.025, window=5, min_count=5, max_vocab_size=None, sample=0.001, seed=1, workers=3, min_alpha=0.0001, sg=0, hs=0, negative=5, ns_exponent=0.75, cbow_mean=1, hashfxn=, epochs=5, null_word=0, trim_rule=None, sorted_vocab=1, batch_words=10000, compute_loss=False, callbacks=(), comment=None, max_final_vocab=None, shrink_windows=True)
其中两个参数 - hs=0, negative=5 - 表示默认模式禁用 hierarchical-softmax，并使用 5 个负词启用负采样。对于许多版本，这些是 Gensim Word2Vec 的默认设置，因此即使其他代码使用旧版本，这也可能是使用的模式（除非参数或 modified/overriden 代码更改了它们）。