一、输出层结构
注意到，huffman树的每一层，都有参数和激活函数sigmoid存在，实际上是一个神经网络。影响该节点的二分类走向。这和一般的多分类问题中，各种分类是同处于平等的最后一层，是不同的。
二、模型推导
我们重点关注输出层huffman树过程的模型推导。对于每个走到huffman树根节点的x，它要经过l次二分类，最终到达对应的标签，也是是根据上下文得到的词。因此，概率为多个二分类概率的连乘形式：
对该概率值取对数，即得到损失函数。输出层含有大量参数，而且不同词因为分类时走的路径不同，所以对应的参数不完全相同。