前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【白话NLP】——为什么需要mask

【白话NLP】——为什么需要mask

原创
作者头像
Dendi
修改2019-12-09 15:06:39
1.3K0
修改2019-12-09 15:06:39
举报
文章被收录于专栏:白话NLP

1. PAD的问题

通常在训练NLP模型时,batch中的句子长度不相等,这个时候会对没有达到规定长度的句子会进行pad操作(一般用0进行pad),如下图所示(绿色是进行pad的部分):

在这里插入图片描述
在这里插入图片描述

但是PAD会引起以下几个问题。

1.1 mean-pooling的问题

如上图所示,对于矩阵:

a = [3, 7, 11, 2, 1, 8, 5]

a进行mean-pooling

mean\_a=\frac{3+7+11+2+1+8+5}{7}=5.2857

进行pad之后:

pad\_a=[3, 7, 11, 2, 1, 8, 5, 0, 0, 0]

pad_a进行mean-pooling

mean\_pad\_a=\frac{3+7+11+2+1+8+5}{10}=3.7

对比mean_amean_pad_a发现:pad操作影响mean-pooling

1.2 max-pooling的问题

在这里插入图片描述
在这里插入图片描述

如上图所示,矩阵b=[-1, -3, -9, -11, -7, -2, -8]pad之后的矩阵mean\_b=[-1, -3, -9, -11, -7, -2, -8, 0, 0, 0]

分别对其进行max-pooling

max\_b = -1

max\_pad\_b=0

对比max_amax_pad_a发现:pad操作影响max-pooling

1.3 attention的问题

attention技术是目前NLP任务的必备选项,在attention的计算中通常最后一步是使用softmax进行归一化操作,将数值转换为概率。但是如果直接对pad之后的向量进行softmax操作,那么pad的部分也会分摊一部分概率,这就导致有意义的部分(非pad部分)的概率之和不等于1

2. mask

mask是相对于pad而产生的技术,具备告诉模型一个向量有多长的功效。mask矩阵有如下特点:

  1. mask矩阵是与pad之后的矩阵具有相同的shape
  2. mask矩阵只有10两个值,如果值为1表示对应的pad矩阵中该位置有意义,如果值为0表示对应的pad矩阵中该位置无意义。

在第1部分中的两个向量的mask矩阵(m=[1,1,1,1,1,1,1,0,0,0])如下图所示:

在这里插入图片描述
在这里插入图片描述

2.1 解决mean_pooling的问题

mean\_a=\frac{sum(pad\_a \cdot m)}{sum(m)}

2.2 解决max_pooling的问题

在进行max_pooling时,只需要将pad的部分的值足够小即可,可以将mask矩阵中值为0的位置替换的足够小(如:10^{-10}),则不会影响max_pooling计算。

max\_b=max(pad\_b-(1-m) \times 10^{10})

2.3 解决attention的问题

该问题的解决方式跟max_pooling一样,就是将pad的部分足够小,使得e^x的值非常接近于0,以至于可以忽略。

softmax(x)=softmax(x-(1-m) \times 10^{10})

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1. PAD的问题
    • 1.1 mean-pooling的问题
      • 1.2 max-pooling的问题
        • 1.3 attention的问题
        • 2. mask
          • 2.1 解决mean_pooling的问题
            • 2.2 解决max_pooling的问题
              • 2.3 解决attention的问题
              相关产品与服务
              NLP 服务
              NLP 服务(Natural Language Process,NLP)深度整合了腾讯内部的 NLP 技术,提供多项智能文本处理和文本生成能力,包括词法分析、相似词召回、词相似度、句子相似度、文本润色、句子纠错、文本补全、句子生成等。满足各行业的文本智能需求。
              领券
              问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档