层次softmax

基本原理

• 根据标签（label）和频率建立霍夫曼树；（label出现的频率越高，Huffman树的路径越短）
• Huffman树中每一叶子结点代表一个label；

层次之间的映射

将输入层中的词和词组构成特征向量，再将特征向量通过线性变换映射到隐藏层，隐藏层通过求解最大似然函数，然后根据每个类别的权重和模型参数构建Huffman树，将Huffman树作为输出。 

模型的训练

Huffman树中每一叶子结点代表一个label，在每一个非叶子节点处都需要作一次二分类，走左边的概率和走右边的概率，这里用逻辑回归的公式表示 

如何做到fast

 

参考

1. 层次softmax函数（hierarchical softmax）