关于Keras中skipgrams()函数输出结果不符预期的技术问询

你的疑惑主要来自对Keras skipgrams() 负样本生成逻辑的误解，以及它的随机采样特性。我们一步步拆解问题：

1. 为什么会出现同一配对既有label=1又有label=0？ #

Keras的skipgrams()生成负样本的方式不是枚举所有非上下文词对，而是基于正样本数量随机采样，默认参数negative_samples=1.0意味着每生成1个正样本，就对应生成1个负样本。

具体来说，负样本的生成逻辑是：

• 从所有正样本的第一个词中随机选取一个词作为配对的第一个元素
• 然后从整个词汇表中随机选取一个词作为第二个元素（甚至可能选到当前词本身，比如你输出里的(i,i)->0）

当你的词汇表极小（只有3个词）时，随机采样很容易重复生成已经是正样本的配对，这时候这个配对会被标记为0——因为它是作为负样本被随机选中的，不管它本身是不是正样本对。

比如你输出里的(love,i)->0，就是在负采样阶段，随机选了love作为第一个词，又随机抽到了i作为第二个词，所以被标记为负样本。

2. 为什么预期的(i,money)和(money,i)配对没出现？ #

还是因为负样本是随机采样，而不是生成所有可能的非上下文词对。你的词汇表只有3个词，负采样的样本量是4个（和正样本数量一致，正样本有4个：(love,i),(love,money),(i,love),(money,love)），这次运行时随机采样的结果刚好没抽到(i,money)和(money,i)，如果多运行几次代码，你大概率会看到这两个配对出现在负样本里。

3. 纠正你对负样本的理解偏差 #

你之前认为负样本是所有"单词+非窗口内单词"的配对，但Keras的skipgrams()并不是这么实现的：

• 正样本：严格按照窗口大小生成所有"目标词+窗口内上下文词"的配对（你预期的正样本是对的，输出里的4个label=1的配对也符合预期）
• 负样本：是随机从词汇表中选取词对，数量由negative_samples参数控制，而非枚举所有非正样本对。这种随机负采样是Word2Vec等模型常用的方式，目的是减少计算量，同时保证模型能学到足够的负例。

验证修改建议 #

如果你想更清晰地看到所有可能的负样本，可以调整参数：

• 增大negative_samples的值（比如设为3.0），这样会生成更多负样本，更容易抽到你预期的(i,money)和(money,i)
• 或者查看Keras的skipgrams()源码，自定义负样本生成逻辑（如果需要枚举所有非正样本对的话）

另外，你的代码里缺少id2word的定义，补充后才能正确打印单词：

id2word = {v: k for k, v in word2id.items()}

内容的提问来源于stack exchange，提问作者Raven Cheuk