Press "Enter" to skip to content

谷歌最新模型pQRNN:效果接近BERT,参数量缩小300倍

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

文本分类是NLP最常见的应用之一,有了BERT之后更是可以通过小批量数据精调达到不错的效果。但在对速度要求高、没有钱买GPU、移动设备部署的场景下,还是得用浅层网络。

 

今天就跟大家介绍Google最近新出的一个模型——,只利用监督数据(无蒸馏),以约1/300的参数量达到了接近BERT的效果。pQRNN是Google去年更小模型PRADO的一个改进版本,下面从PRADO讲起,来看看它们是如何以小博大的叭。

 

pQRNN官方博客:

 

https://ai.googleblog.com/2020/09/advancing-nlp-with-efficient-projection.html

 

PRADO论文:

 

https://www.aclweb.org/anthology/D19-1506/

 

PRADO代码:

 

https://github.com/tensorflow/models/tree/master/research/sequence_projection

 

关注「 NLPCAB 」回复「1001」下载论文~

 

PRADO模型

 

Embedding

 

对于我们常用的NLP模型来说,Embedding词表往往是参数量占比较大的一块儿。中文如果选用字级别的词表,大概在一两万级别,词级别则会几万或者更大,还会出现OOV。英文多出了子词级别,但无论哪种粒度的划分都是存在缺点的:

太细了就对模型要求很高,单独的词也不具有太大意义,而太粗了又没法涵盖所有词汇。

 

这就需要我们在不同的任务上选取不同的粒度。PRADO的作者认为,对于文本分类这样的简单任务,很多词汇是和任务无关的,比如 a, the等。另外,也 不需要embedding可以准确的表示每个词,只需要大概表示出词所属的类目就可以了 。比如在情感分析任务中,只需要让模型知道“超棒”和“太赞了”都是一个positive的词汇,而不用知道这两个词的区别在哪里,甚至用一个embedding去表示这两个词都是可以的。

 

下面是不同任务和细粒度词表示的相关性,对于语言模型和翻译任务,就需要准确地区分每个词:

那PRADO是如何压缩embedding的呢?

 

以往在拿到token之后,我们会有一个转one-hot向量的操作,向量的大小是词表维度V,然后再经过lookup table得到embedding。而PRADO则是将向量进行了压缩,具体的操作是:

 

 

对token进行哈希,得到 2B bits 的哈希值,比如 011001010

 

用一个投影函数P,将 每2个连续 的bit映射到 {-1, 0, 1} 中

 

得到B维的三元向量,比如 [-1, -1, 1, 0, 1] 这样

 

将 1xB 的三元向量和 Bxd 的矩阵相乘,得到 d维embedding表示

 

 

这样,我们就得到了一个压缩后的token表示,不用准确地用one-hot来表示每个token。作者把B的维度限制在 [128, 512],d的维度限制在[32, 96],从词表参数量上比BERT小了三四个数量级。

 

整体结构

 

PRADO主要的创新就在Embedding部分,后续就比较普通,选择了性价比较高的CNN+Attention。 这里Attention其实是对CNN的结果进行了Pooling :先计算了一路CNN的结果,再计算softmax得到每个step的权重,然后把另一路CNN的结果加权起来,得到一个向量。

 

最后把不同尺寸kernel输出的向量concat,再过classifier(我们熟悉的套路又渐渐回来了)。

PRADO模型结构

实验效果

 

在效果上,PRADO肯定是比之前的浅层模型要好,然而我去看了一眼每个数据集的SOTA,emm。。效果上还需努力鸭

PRADO效果

令我感兴趣的是, 8-bit量化之后的PRADO居然效果更好!作者认为主要是量化减少了过拟合,在数据越少的数据集上效果提升就更明显。

 

对比实验, 性价比吊打LSTM :

最后,作者还做了迁移实验,证明这种embedding改进的可迁移性,发现 只freeze上embedding和encoder,只finetune分类器就收敛得很快 :

PRADO迁移学习实验

pQRNN

 

介绍完了PRADO,再来看谷歌新出的pQRNN就很好懂了,实际上只是把encoder换成了QRNN(quasi-RNN):

pQRNN模型结构

这里的Projection就是得到三元的过程,Bottleneck就是将三元向量embedding。

 

虽然没什幺太大创新, 但比较激动的是pQRNN的效果接近了BERT(之前PRADO都是惨不忍睹) :

pQRNN

不过这个结论只在一个数据集上验证了,其他数据上的表现未可知。

 

总结

 

PRADO/pQRNN的主要改进点就在embedding部分,确实文本分类对于token的粒度要求不高,只用抓住句子里最主要的一两个词就行了,所以max-pooling经常会比mean-pooling效果要好。

 

但这里有个需要探讨的点,就是如何迁移到中文任务上。单纯的哈希是没法将相似的词映射到相似的三元向量的,这里我认为应该是进行字粒度的tokenization,这样相似的“好赞”、“超赞”的表示就很接近了,再过CNN就可以捕获到词级别的信息。

 

去年PRADO就出来了,但20年8月底才放出源码,同学们赶紧试用起来呀。

Be First to Comment

发表评论

电子邮件地址不会被公开。 必填项已用*标注