Negative Sampling

释义 Definition

负采样：一种常用于机器学习（尤其是词向量、推荐系统、对比学习等）的训练技巧。它在大量“负例”（不相关/不匹配的样本）中只抽取一小部分来参与训练，从而降低计算成本并提高训练效率。（在不同任务中实现方式会有差异。）

发音 Pronunciation (IPA)

/ntv smpl/

例句 Examples

We used negative sampling to speed up training.
我们使用负采样来加速训练。

Instead of computing the full softmax over millions of words, the model learns by contrasting the true context with a few randomly chosen negatives via negative sampling.
模型不再对数百万词做完整的 softmax 计算，而是通过负采样抽取少量随机负例，与真实上下文进行对比学习。

词源 Etymology

negative 源自拉丁语 negativus，表示“否定的”；sampling 来自 sample（样本）+ -ing（名词化/动作名词后缀）。合起来直译是“对负例进行抽样”，强调“不是把所有负例都算一遍，而是抽一部分来学”。

文献与作品 Literary / Notable Works

Mikolov et al., “Distributed Representations of Words and Phrases and their Compositionality”（2013）
Goldberg & Levy, “word2vec Explained: Deriving Mikolov et al.’s Negative-Sampling Word-Embedding Method”（2014，讲解性文章）
Jurafsky & Martin, Speech and Language Processing（在词向量/语言建模相关章节常提及）