语言模型，本质上就是在回答“这个句子是否合理”的问题。
下面，将简单介绍两类语言模型，统计语言模型、神经网络语言模型。
1. 统计语言模型
统计语言模型，以n-gram语言模型为代表，是离散的计算模型，根据n个词(有序的)在语料库中共现的频次计算概率，最终可以得到句子出现的概率(句子的合理性)。
n-gram模型，大致可以理解为，我们有一个很长的句子序列，所有的概率计算都要依靠滑窗实现，n就是滑窗的大小，
n-gram语言模型，相比于朴素贝叶斯，考虑了词前后间的依赖关系，朴素贝叶斯假设词与词之间是独立的，显然不够合理。
但是，n-gram也有很多缺点：
1. 新词
n-gram是精确匹配，在语料库中没有的词，没办法给出共现概率，虽然可以使用平滑的方式优化，但不能达到想要的效果
比如，食物可口的餐厅、食物可口的饭馆
如果餐厅在语料库有，但是饭馆没有，n-gram计算的这两个句子的概率会差很多；但是，我们希望这两个句子的概率是相似的。
2. 维度灾难
n-gram计算共现概率的时候，备选词组随着语料库的增加而增加。
比如，语料库有10000个词，使用3-gram模型，那么 训练模型中的备选词组有10000^3个，计算量是巨大的。
n-gram的具体计算，这篇博客讲的很清楚，请参考 https://blog.csdn.net/songbinxu/article/details/80209197#Ngram_29
2. 神经网络语言模型
2.1 前馈神经网络语言模型(FFLM)
前馈神经网络语言模型，相对于n-gram，改变了概率的计算方式；N-gram是基于共现次数，统计方式，FFLM是基于神经网络；
前馈神经网络语言模型也是根据前n个词，计算下一个词出现的概率，但是计算复杂度比n-gram小很多；
前馈神经网络的n不可太大，太大出现梯度消失（爆炸）的现象，所以基于RNN的神经网络出现了；
FFLM和RNNLM，是语言模型，输入是one-hot的向量，输出是下一个词的概率；
word2vec不是语言模型，解决的是词的表示方式，输入是ont-hot的词向量，输出是稠密的词向量；解决的是离散文本表示方式的稀疏性问题，将稀疏的ont-hot文本表示方式转化为密集的词向量文本表示方式。
文本表示方式有多种：离散的(稀疏的)、连续的(密集的)。
n-gram是以一种离散的表示方式，实质上是一种词袋模型，基于共现次数。
numti-hot：词在文章中出现记为1，否则为0。
TF-IDF：在词袋模型的基础上，添加了词频，也是numti-hot文本表示方式；TF(词频)是词在文章中出现的频次，IDF(逆文档频率)是包含该词在文章中出现的文章的比率。
FFLM的计算过程：
首先，网络有4层，input层、embedding层(一个fc)、FC层、softmax层，FC层之后tanh做激活；
1. 输入层
假设语料库有m个词，将m个词做one-hot处理，得到长度为m的词序列，序列元素为大小为m的ont-hot向量；
在词序列上滑窗，得到若干个子序列，滑窗大小是超参数，假设为5。那么input为子序列前4个词，output(pred)为第5个词出现的概率，label是第5个词的ont-hot序列，output和label之间计算交叉熵损失；
input_size=(m, m)
2. embedding层
将(m,m)的矩阵，映射到(m,embed_dim)上。参数矩阵，即词向量矩阵。
embedding_weight_size=(m, embed_dim)
3. FC层
将embedding层的输出做flatten，然后经过FC层，输出logits；就是做多分类，有多少词，就有多少类，当然根据滑动窗口，整个序列前n-1个词没法做label。
fc_weights_size=(m*embed_dim, m)
4. softmax层
将logits做softmax，转化为概率。
2.2 循环神经网络模型
在FFLM的embedding层和FC层之间添加循环神经网络层。
