tf.keras.preprocessing.sequence.make_sampling_table

Генерирует таблицу вероятностного выбора слов, основанную на ранге слов.

tf.keras.preprocessing.sequence.make_sampling_table(
    size, sampling_factor=1e-05
)

Используется для генерации аргумента sampling_table для skipgrams. sampling_table[i] — вероятность выбора i-го по частоте слова в наборе данных (более частые слова должны выбираться реже, для баланса).

Вероятности выбора генерируются в соответствии с распределением выборки, используемым в word2vec:

p(word) = (min(1, sqrt(word_frequency / sampling_factor) /
    (word_frequency / sampling_factor)))

Мы предполагаем, что частоты слов следуют закону Ципфа (s=1), чтобы получить численное приближение частоты(ранга):

frequency(rank) ~ 1/(rank * (log(rank) + gamma) + 1/2 - 1/(12*rank)) где gamma — постоянная Эйлера-Маскерони.