Bertopology: Bert及其改进型总结

2020-09-10 14:39:16 浏览数 (1)

BERT自从被提出之后，因为其开源且表现及其优异，工业界开始广泛采用Bert来完成各项NLP的任务。一般来说，Bert都能给我们相当强悍的结果，唯一阻止Bert上线使用的，就是其难以接受的计算复杂度。因此各种模型压缩的方法层出不穷。本篇博客意在总结Bert及其改进型主要的特点，这也是NLP算法面试常见的问题。

Bert使用的激活函数是GELU： 正态分布下GELU(x)，论文给出了近似计算公式:

Bert使用的版本则更为简单，源码如下:

代码语言：javascript复制
def gelu(input_tensot):
	cdf = 0.5 * (1.0   tf.erf(input_tensor / tf.sqrt(20.)))

改进方法:

  1. 更大更强悍
  2. 瘦身，模型压缩
  3. 引入常识或知识

(更大更强悍) RoBERTa

RoBERTa

  • More data
  • Large batch size
  • Traing longer
  • No NSP (很多论文作者认为next sentence prediction无用)
  • Large sequence length
  • Dynamic masking
  • Byte level BPE

static masking: create pretraing data中，先对数据进行提前的mask，为了充分利用数据，定义dupe_factor，将数据复制dupe_factor份，同一条数据有dupe_factor份，每一份执行不同的mask，这些数据不是全部喂给同一个epoch，而是不同的epoch。

dynamic masking: 每一次将训练样本喂给模型的时候，随机进行mask。

Byte level BPE:

BERT原型使用的是 character-level BPE vocabulary of size 30K, RoBERTa使用了GPT2的 BPE 实现，使用的是byte而不是unicode characters作为subword的单位。

(瘦身，模型压缩): ALBERT

ALBERT

[1]. 对Embedding做因式分解(Factorized embedding parameterization)

使用了更小的E，H可以维持不变，显著降低参数。

[2]. 跨层的参数共享(Cross-layer parameter sharing)

Transformer有两种共享参数的方案:

  • 只共享全连接层
  • 只共享attention层 ALBERT结合上述两种方法，全连接层，attention层都进行参数共享。

[3]. inter-sentence coherence loss

sentence-order prediction(SOP) BERT的NSP其实包含了两个子任务，主题一致性与关系一致性预测。主题预测(因为正样本在同一个文档中选取，负样本在不同文档中选取，主题预测很简单，并且MLM任务中也有类型的效果)。

ALBERT中，为了只保留一致性任务去除主题识别的影响，提取了sentence-order prediction。SOP是在同一个文档中选取的，所以只关注句子的顺序并没有主题的影响。

[4]. 移除Dropout

(引入知识) ERNIE(Baidu)、ERNIE 2.0(Baidu)、ERNIE(THU)

百度的详见官方博客:paddlepaddle

ERNIE(Baidu) 中文

[1]. 不同粒度的信息融合

  • Basic Level Masking训练 英文而言，粒度为word；中文而言，粒度为字。
  • Phrase-Level Masking 对短语也进行mask。
  • Entity-level Masking 对句子中的实体也进行mask。

[2]. 多源数据 中文维基百科，百度百科，百度新闻，百度贴吧。其中，百度贴吧由于其社区的特性，里面的内容是对话形式的，而 ERNIE 中对于 Segement Embedding 预训练与 Bert 的 NSP 不同的是，其采用 DLM 来获得这种句子粒度级别的信息，而这对于句子语义的把握更佳准确

[3]. DLM: Dialog Language Model DLM更能把握句子的语义信息，并且用于对话、问答这种形式的任务效果更好。

为了能够表示多轮对话，其输入采用QRQ、QQR、QRR的形式。

ERNIE 2.0(Baidu)

  1. Continual Learning(持续学习)
  2. Multi-task Learning(多任务学习)
  3. Sequential Multi-task Learing(顺序多任务学习)
模型的预训练任务：

[1]. 词汇级别任务(word-aware pretraining task)：获取词法知识

  • 知识掩码任务(同ERNIE)
  • 大小写预测任务

[2]. 结构级别任务(structure-aware pretraining task)：获取句法知识

  • 句子排序任务
  • 句子距离任务(判断两个句子是否相邻、是否属于同一文章，来判断两句的语义关系是否紧密，是否属于同一话题。) 一个三分类的问题： 0: 代表两个句子相邻 1: 代表两个句子在同个文章但不相邻 2: 代表两个句子在不同的文章中

[3]. 语义级别的任务(semantic-aware pretraining task)：获取语义知识 获取语义关系的知识 0: 代表了提问和标题强相关（出现在搜索的界面且用户点击了） 1: 代表了提问和标题弱相关（出现在搜索的界面但用户没点击） 2: 代表了提问和标题不相关（未出现在搜索的界面）

[4]. 篇章句间关系任务(Discourse Relation Task) 判断句子的语义关系，无监督的逻辑关系分类(因果、假设、递进、转折)

[5]. 信息检索关系任务(IR Relevance Task) 一个三分类的问题，预测query和网页标题的关系： 0: 代表了提问和标题强相关（出现在搜索的界面且用户点击了） 1: 代表了提问和标题弱相关（出现在搜索的界面但用户没点击） 2: 代表了提问和标题不相关（未出现在搜索的界面）

epoch mask masking prediction task

0 人点赞