我试图按照此处的教程使用 TensorFlow 为 Word2Vec 模型构建一个简单的负采样器。

据我了解，将tf.random.log_uniform_candidate_sampler()要从采样中排除的正确类、要返回的样本数量以及要采样的分布大小作为输入。

在教程中true_classes，range_max是 1、8 和num_ns4。这意味着“从分布 [0, 8) 返回 4 个样本，但跳过 1，因为它是一个正类。”

但是，在本教程中，采样器返回以下张量：tf.Tensor([2 1 4 3], shape=(4,), dtype=int64).

我的问题是，为什么采样器返回类 1，即使在被告知排除它之后，因为它不构成负样本？

此外，在本教程的以下部分：

target_index    : 7
target_word     : sun
context_indices : [1 2 1 4 3]
context_words   : ['the', 'wide', 'the', 'shimmered', 'road']
label           : [1 0 0 0 0]

我们可以清楚地看到类 1 的第一个实例（in 中的索引 0 context_indices）已被标记为正 skip-gram，而 1 的第二个实例（in 中的索引 2 context_indices）已被标记为负 skip-gram。

我希望对我对这个模型或教程的理解进行一些澄清或更正。

谢谢！