【PolyAI】【EMNLP 2020 Findings】ConveRT：来自 Transformer 的高效准确的会话表示

介绍

论文《ConveRT: Efficient and Accurate Conversational Representations from Transformers》地址：https://arxiv.org/abs/1911.03688

作者在pretrain（Reddit 数据）+fine-tune 的方式的基础上提出了一个更轻量级的预训练回复选择模型 ConveRT，并且模型还可以引入了更多的对话历史信息。另外，模型学习的句子编码可以 transfer 到其他对话任务（eg.意图识别）。

这篇文章是基于目前预训练模型参数量过大，训练和运行都消耗巨大的计算资源，导致其实际应用受阻的问题提出的。在现实应用场景中，我们需要一个“更小”的模型。ConveRT 是一个轻量级的双编码器预训练结构，它综合利用了多种方式来降低模型的复杂度，包括：子词表示（subword representation）、单头注意力机制（single-headed attention）、量化感知训练（quantization-aware training）等，该模型与其他模型相比，参数更少、训练时间更短、且具有更好的性能，如下表所示：

在这里插入图片描述

模型架构

单轮对话结构

在这里插入图片描述

• 其中Transformer Layers网络是共享的。
• 双塔的结构，response可以预先计算好表示。在推测时，只用进行一次input部分，得出表示

。然后和候选的各个

进行点积，大大加快推测速度。

• input部分的输出可以接意图识别、实体识别，进行多任务。
• 目标函数为最大化正样本对分数，最小化负样本对分数：

在这里插入图片描述

多轮对话结构

在这里插入图片描述

• 同样的，response可以预先计算好表示。而且。历史计算过的input表示可以保存下来，用于后续对话。