专栏首页mathorBERT详解(附带ELMo、GPT介绍)

BERT详解(附带ELMo、GPT介绍)

首先我会详细阐述BERT原理,然后简单介绍一下ELMO以及GPT

BERT详解

BERT全称为Bidirectional Encoder Representation from Transformer,是Google以无监督的方式利用大量无标注文本「炼成」的语言模型,其架构为Transformer中的Encoder(BERT=Encoder of Transformer)

我在Transformer详解中已经详细的解释了所有Transformer的相关概念,这里就不再赘述

以往为了解决不同的NLP任务,我们会为该任务设计一个最合适的神经网络架构并做训练,以下是一些简单的例子

不同的NLP任务通常需要不同的模型,而设计这些模型并测试其performance是非常耗成本的(人力,时间,计算资源)。如果有一个能直接处理各式NLP任务的通用架构该有多好?

随着时代演进,不少人很自然地有了这样子的想法,而BERT就是其中一个将此概念付诸实践的例子

Google在预训练BERT时让它同时进行两个任务:

  1. 漏字填空(完型填空),学术点的说法是 Masked Language Model
  2. 判断第2个句子在原始本文中是否跟第1个句子相接(Next Sentence Prediction

对正常人来说,要完成这两个任务非常简单。只要稍微看一下前后文就知道完形填空任务中[MASK]里应该填退了;而醒醒吧后面接你没有妹妹也十分合理

接下来我会分别详细介绍论文中这两个任务的设计细节

BERT语言模型任务一:Masked Language Model

在BERT中,Masked LM(Masked Language Model)构建了语言模型,简单来说,就是随机遮盖或替换一句话里面的任意字或词,然后让模型通过上下文预测那一个被遮盖或替换的部分,之后做Loss的时候也只计算被遮盖部分的Loss,这其实是一个很容易理解的任务,实际操作如下:

  1. 随机把一句话中15%的token(字或词)替换成以下内容:
    1. 这些token有80%的几率被替换成[MASK],例如my dog is hairy→my dog is [MASK]
    2. 有10%的几率被替换成任意一个其它的token,例如my dog is hairy→my dog is apple
    3. 有10%的几率原封不动,例如my dog is hairy→my dog is hairy
  2. 之后让模型预测和还原被遮盖掉或替换掉的部分,计算损失的时候,只计算在第1步里被随机遮盖或替换的部分,其余部分不做损失,其余部分无论输出什么东西,都无所谓

这样做的好处是,BERT并不知道[MASK]替换的是哪一个词,而且任何一个词都有可能是被替换掉的,比如它看到的apple可能是被替换的词。这样强迫模型在编码当前时刻词的时候不能太依赖当前的词,而要考虑它的上下文,甚至根据上下文进行"纠错"。比如上面的例子中,模型在编码apple时,根据上下文my dog is,应该把apple编码成hairy的语义而不是apple的语义

BERT语言模型任务二:Next Sentence Prediction

我们首先拿到属于上下文的一对句子,也就是两个句子,之后我们要在这两个句子中加一些特殊的token:[CLS]上一句话[SEP]下一句话[SEP]。也就是在句子开头加一个[CLS],在两句话之间和句末加[SEP],具体地如下图所示

可以看到,上图中的两句话明显是连续的。如果现在有这么一句话[CLS]我的狗很可爱[SEP]企鹅不擅长飞行[SEP],可见这两句话就不是连续的。在实际训练中,我们会让这两种情况出现的数量为1:1

Token Embedding就是正常的词向量,即PyTorch中的nn.Embedding()

Segment Embedding的作用是用embedding的信息让模型分开上下句,我们给上句的token全0,下句的token全1,让模型得以判断上下句的起止位置,例如

[CLS]我的狗很可爱[SEP]企鹅不擅长飞行[SEP]
 0   0 0 0 0 0 0 0  1 1 1 1 1 1 1 1

Position Embedding和Transformer中的不一样,不是三角函数,而是学习出来的

Multi-Task Learning

BERT预训练阶段实际上是将上述两个任务结合起来,同时进行,然后将所有的Loss相加,例如

Input:
[CLS] calculus is a branch of math [SEP] panda is native to [MASK] central china [SEP]

Targets: false, south
----------------------------------
Input:
[CLS] calculus is a [MASK] of math [SEP] it [MASK] developed by newton and leibniz [SEP]

Targets: true, branch, was

Fine-Tuning

BERT的Fine-Tuning共分为4中类型,以下内容、图片均来自台大李宏毅老师Machine Learning课程(以下内容 图在上,解释在下)

如果现在的任务是classification,首先在输入句子的开头加一个代表分类的符号[CLS],然后将该位置的output,丢给Linear Classifier,让其predict一个class即可。整个过程中Linear Classifier的参数是需要从头开始学习的,而BERT中的参数微调就可以了

这里李宏毅老师有一点没讲到,就是为什么要用第一个位置,即[CLS]位置的output。这里我看了网上的一些博客,结合自己的理解解释一下。因为BERT内部是Transformer,而Transformer内部又是Self-Attention,所以[CLS]的output里面肯定含有整句话的完整信息,这是毋庸置疑的。但是Self-Attention向量中,自己和自己的值其实是占大头的,现在假设使用$w_1$的output做分类,那么这个output中实际上会更加看重$w_1$,而$w_1$又是一个有实际意义的字或词,这样难免会影响到最终的结果。但是[CLS]是没有任何实际意义的,只是一个占位符而已,所以就算[CLS]的output中自己的值占大头也无所谓。当然你也可以将所有词的output进行concat,作为最终的output

如果现在的任务是Slot Filling,将句子中各个字对应位置的output分别送入不同的Linear,预测出该字的标签。其实这本质上还是个分类问题,只不过是对每个字都要预测一个类别

如果现在的任务是NLI(自然语言推理)。即给定一个前提,然后给出一个假设,模型要判断出这个假设是 正确、错误还是不知道。这本质上是一个三分类的问题,和Case 1差不多,对[CLS]的output进行预测即可

如果现在的任务是QA(问答),举例来说,如上图,将一篇文章,和一个问题(这里的例子比较简单,答案一定会出现在文章中)送入模型中,模型会输出两个数s,e,这两个数表示,这个问题的答案,落在文章的第s个词到第e个词。具体流程我们可以看下面这幅图

首先将问题和文章通过[SEP]分隔,送入BERT之后,得到上图中黄色的输出。此时我们还要训练两个vector,即上图中橙色和黄色的向量。首先将橙色和所有的黄色向量进行dot product,然后通过softmax,看哪一个输出的值最大,例如上图中$d_2$对应的输出概率最大,那我们就认为s=2

同样地,我们用蓝色的向量和所有黄色向量进行dot product,最终预测得$d_3$的概率最大,因此e=3。最终,答案就是s=2,e=3

你可能会觉得这里面有个问题,假设最终的输出s>e怎么办,那不就矛盾了吗?其实在某些训练集里,有的问题就是没有答案的,因此此时的预测搞不好是对的,就是没有答案

以上就是BERT的详细介绍,参考以下文章

ELMo

ELMo是Embedding from Language Model的缩写,它通过无监督的方式对语言模型进行预训练来学习单词表示

这篇论文的想法其实非常简单,但是效果却很好。它的思路是用深度的双向LSTM在大量未标注数据上训练语言模型,如下图所示

在实际任务中,对于输入的句子,我们使用上面的语言模型来处理它,得到输出向量,因此这可以看作是一种特征提取。但是ELMo与普通的Word2Vec或GloVe不同,ELMo得到的Embedding是有上下文信息的

未完待续

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • matlab—结构化程式与自定函数

    按照步骤一步步来,创建脚本之后,将下面代码复制到编辑器内,然后点击运行或者摁键盘F5

    mathor
  • XLNet详解

    2018 年,谷歌发布了基于双向 Transformer 的大规模预训练语言模型BERT,刷新了 11 项 NLP 任务的最优性能记录,为 NLP 领域带来了极...

    mathor
  • ALBERT详解

    BERT 发布后,在排行榜上产生了许多 NLP 任务的最新成果。但是,模型非常大,导致了一些问题。"ALBERT"论文将这些问题分为两类:

    mathor
  • 红楼梦、法律,BERT 已有如此多的神奇应用

    2019 年 5 月 ACM 图灵大会上,朱松纯教授(加州大学洛杉矶分校)与沈向洋博士(微软全球执行副总裁)在谈到「人工智能时代的道路选择」这个话题时,沈向洋博...

    机器之心
  • 个性化推荐系统(三)---推荐系统意义一点思考

            个性化推荐是随着移动互联网发展不断发展起来的,国内应用个性化推荐技术最早应该是豆瓣,在web2.0兴起时做了很多尝试,给网民带来很多新鲜感觉、体...

    杉枫
  • 腾讯云 Qcloudcli 配置使用教程

    2) 将 qcloud_completer 所在路径加入系统的自动补全命令,运行以下命令:

    李郑
  • Python面试题之Python中__repr__和__str__区别

    __repr__和__str__这两个方法都是用于显示的,__str__是面向用户的,而__repr__面向程序员。

    Jetpropelledsnake21
  • React Native Android启动屏,启动白屏,闪现白屏

    React Native Android启动屏,启动白屏,闪现白屏 尊重版权,未经授权不得转载 本文出自:贾鹏辉的技术博客(http://www.devio...

    CrazyCodeBoy
  • 7.SSD目标检测之一:运行SSD模型

    需要在跟踪模型的前面把检测模型加进去,传统使用一些背景建模和轨迹建模的方式来做,对于动摄像头以及复杂背景的适应性都比较差,所以考虑用深度学习的方法来做。我以前也...

    和蔼的zhxing
  • 为文本摘要模型添加注意力机制:采用LSTM的编解码器模型实现

    这些方法依赖于从一段文本中提取几个部分,比如短语和句子,然后将它们堆在一起创建摘要。因此,在提取方法中,识别出用于总结的正确句子是至关重要的。让我们通过一个例子...

    deephub

扫码关注云+社区

领取腾讯云代金券