Press "Enter" to skip to content

王者对决:XLNet对比Bert!!

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.

XLNet震惊了NLP领域,这种语言建模的新方法在20个NLP任务上的表现优于强大的BERT,并且在18个任务中获得了最先进的结果。

XLNet可能会改变语言建模,这就是为什幺它是任何NLP从业者的重要补充。 在本文中,我们将讨论XLNet背后的原理,它使它比BERT更好。 为了更好地理解它,我们还将研究它之前的相关技术。

 

语言建模简介

 

在2018年,随着语言建模任务处于研究的中心,NLP领域取得了重大的进步。

 

语言建模是在给定所有先前的单词的情况下,预测句子中的下一个单词的任务。 语言模型现在已经成为NLP管道的重要组成部分,因为它们为各种下游任务提供了支撑。 语言模型捕获几乎普遍有用的输入文本的一些特性。

 

早期的语言模型ULMFiT和ELMo,两者都是基于LSTM的语言模型。 事实上,ULMFiT和ELMo都取得了巨大的成功,在众多任务中取得了最先进的成果。 但我们将看到XLNet如何实现前所未有的成果。

 

用于语言建模的自回归模型(AR)

 

XLNet是一种通用的自回归预训练模型。 自回归模型仅仅是一种前馈模型,它根据给定上下文的一组单词预测下一个词。 但是在这里,上下文单词被限制在两个方向,前向或后向。

 

可以按顺序运行自回归模型以生成新序列! 从x1,x2,…,xk开始,预测xk+1。 然后使用x2,x3,…,xk+1来预测xk+2,依此类推。 GPT和GPT-2都是自回归语言模型。 所以,它们在文本生成中变现不错。

 

自回归语言模型的问题在于它只能使用前向上下文或后向上下文,这意味着它不能同时使用前向和后向上下文,从而限制其对上下文和预测的理解。

 

自动编码器(AE)语言建模

 

与AR语言模型不同,BERT使用自动编码器(AE)语言模型。 AE语言模型旨在从损坏的输入重建原始数据。

 

在BERT中,通过添加[MASK]来破坏预训练输入数据。 例如,’Goa has the most beautiful beaches in India’将成为‘Goa has the most beautiful [MASK] in India’,该模型的目标是根据上下文词预测[MASK]词。 自动编码器语言模型的优点是,它可以看到前向和后向的上下文。 但是,由于在输入数据中添加[MASK]引入了微调模型的差异。

 

BERT有什幺问题?

 

虽然通过使用AE语言建模BERT几乎在所有NLP任务中都实现了SOTA,但它的实现仍然存在一些漏洞。 BERT模型有两个主要缺点:

 

1.由于掩蔽导致的微调差异

 

训练BERT以预测用特殊[MASK]标记替换的标记。 问题是在下游任务中微调BERT时,[MASK]标记永远不会出现。 在大多数情况下,BERT只是将非掩码标记复制到输出中。

 

那幺,它真的会学会为非掩码标记生成有意义的表示吗? 它也不清楚如果输入句中没有[MASK]标记会发生什幺。

 

2.预测的标记彼此独立

 

BERT假设在给定未掩蔽的的标记的情况下,预测的(掩蔽的)标记彼此独立。 为了理解这一点,我们来看一个例子。

 

Whenever she goes to the [MASK] [MASK] she buys a lot of [MASK] .

 

这可以填写为:

 

Whenever she goes to the shopping center , she buys a lot of clothes .

 

或者

 

Whenever she goes to the cinema hall she buys a lot of popcorn .

 

而句子:

 

Whenever she goes to the cinema hall she buys a lot of clothes .

 

是无效的。 BERT并行预测所有掩蔽的的位置,这意味着在训练期间,它没有学会处理同时预测的掩蔽的标记之间的依赖关系。 换句话说,它不会学习到预测之间的依赖关系。 它预测标记彼此之间互相独立。 这可能是一个问题的原因是这减少了BERT一次学习的依赖关系的数量,使得学习信号比它原本可能的更弱。

 

:排列语言建模

 

BERT在所有传统语言模型中脱颖而出的原因在于它能够捕获双向上下文。 同样,它的主要缺陷是在预训练引入[MASK]标记和并行独立预测。

 

如果我们以某种方式构建一个包含双向上下文的模型,同时避免[MASK]标记和并行独立预测,那幺该模型肯定会胜过BERT并取得最先进的结果。

 

这基本上就是XLNet所实现的目标。

 

XLNet通过使用称为“排列语言建模”的语言建模变体来实现这一点。 训练排列语言模型以预测在给定上下文后的一个标记,就像传统语言模型一样,但是不是以连续顺序预测标记,而是以某种随机顺序预测标记。 为清楚起见,我们以下面的句子为例:

 

“Sometimes you have to be your own hero.”

 

传统的语言模型按照下面的顺序预测标记:

 

“Sometimes”, “you”, “have”, “to”, “be”, “your”, “own”, “hero”

 

其中每个标记使用所有前面的标记作为上下文。

 

在排列语言建模中,预测的顺序不一定是从左到右。 例如,它可能是:

 

“own”, “Sometimes”, “to”, “be”, “your”, “hero”, “you”, “have”

 

其中“Sometimes”会以看到“own为条件,而“to” 则以看到“own”和“Sometimes”等为条件。

注意如何使用排列语言建模强制模型建模双向依赖关系。 期望上,模型应该学习建模所有输入组合之间的依赖关系,而传统语言模型只能在一个方向上学习依赖关系。

 

XLNet使用Transformer XL

 

除了使用排列语言建模之外,XLNet还使用了Transformer XL,它可以进一步改善其结果。

 

Transformer XL模型背后的主要思想:

 

相对位置嵌入

 

循环机制

 

在对当前段进行排列语言建模时,缓存并冻结来自前一段的隐藏状态。 由于来自前一段的所有单词都用作输入,因此不需要知道前一段的排列顺序。

 

双流自注意力(Two-Stream Self-Attention)

 

对于使用Transformer模型的语言模型,当预测位置i处的标记时,该词的整个嵌入被掩蔽,包括位置嵌入。 这意味着模型与它所预测的标记位置有关的知识隔绝。

这可能是有问题的,特别是对于句子开头的位置,其与句子中的其他位置具有显着不同的分布。 为了解决这个问题,作者引入了第二组表示,其中包含位置信息,但仅为了预训练而屏蔽了实际的标记。 第二组表示称为 query stream 。 训练该模型以使用来自query stream的信息来预测句子中的每个标记。

包括位置嵌入和词嵌入的原始表示集称为 content stream 。 这组表示用于在预训练期间合并与特定单词相关的所有信息。 content stream用作query stream的输入。 这个模式称为“双流自注意力”。

 

对于每个单词,query stream使用ontent stream,该ontent stream对直到当前单词的单词的所有可用上下文信息进行编码。 例如,我们在下面的句子中预测 “calm” 一词:

 

“Keep calm and read papers”

 

其中位于排列前面的词是 “and”和“papers”。 content stream将编码单词“and”和“papers”的信息,query stream将编码 “calm”的位置信息,以及结合来自content stream的信息,用于预测单词 “calm”。

 

总结

 

XLNet必将成为研究中讨论的话题。 这表明NLP中的语言建模和迁移学习还有很多需要探索的地方。

 

Be First to Comment

发表评论

邮箱地址不会被公开。 必填项已用*标注