第十篇：上下文表示

Posted 2021-07-08 flying_1314

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了第十篇：上下文表示相关的知识，希望对你有一定的参考价值。

ELMO:Embeddings from Language Models

BERT: Bidirectional Encoder Representations from Transformers

Attention is All You Need

Self-Attention 通过 Query, Key, Value

自注意力

Transformer 块

总结

词向量/嵌入

• 每种词类型都有一种表示
‣ Word2Vec
• 无论单词的上下文如何，始终使用相同的表示
• 无法捕捉词的多种含义
• 上下文表示 = 基于上下文的单词表示
• 预训练的上下文表示非常适合下游应用程序！

RNN 语言模型

解决上面无法使用上下文的问题了嘛？

• 几乎，但RNN上下文表示仅捕获左侧的上下文
• 解决方案：改用双向RNN！

大纲

• ELMo
• BERT
• Transformers

ELMo

ELMO:Embeddings from Language Models

论文

• 在 1B 单词语料库上训练双向、多层 LSTM 语言模型
• 将来自多层 LSTM 的隐藏状态组合起来用于下游任务
‣ 先前的研究仅使用顶层信息
• 显着提高任务性能！

• LSTM 层数 = 2
• LSTM 隐藏维度 = 4096
• 用于创建词嵌入的字符卷积网络 (CNN)
‣ 没有生词

提取上下文表示

抽取stick单词的上下文表示

ELMO 有多好？

SQuAD	QA
SNLI	textual entailment 文本蕴涵
SRL	语义角色标签
Coref	coreference resolution共指解析
NER	命名实体识别
SST-5	情感分析

其他发现

• 较低层表示 = 捕获语法
‣ 适合词性标注、NER
• 更高层表示 = 捕获语义
‣ 有利于 QA、文本蕴涵、情感分析

BERT

RNN 的缺点

• 顺序处理：难以扩展到非常大的语料库或模型
• RNN 语言模型从左到右运行（仅捕获上下文的一侧）
• 双向 RNN 有帮助，但它们只能捕获表面双向表示

BERT: Bidirectional Encoder Representations from Transformers

论文

• 使用自注意力网络（又名 Transformers）来捕获单词之间的依赖关系
‣ 无顺序处理
• 用于捕获深度双向表示的掩码语言模型目标
• 失去生成语言的能力
• 如果目标是学习上下文表示，则不是问题

目标 1：掩码语言模型

• 随机“屏蔽”k% 的令牌
• 目标：预测被屏蔽的词

如上图这样子

目标 2：下一句预测

• 了解句子之间的关系
• 预测句子 B 是否跟随句子 A
• 对分析句子对的下游应用有用的预训练目标（例如文本蕴涵）

训练/模型详细信息

• WordPiece（子词）标记化
• 多层转换器以学习上下文表示
• BERT 在 Wikipedia+BookCorpus 上进行了预训练
• 训练需要在几天内使用多个 GPU

如何使用BERT？

• 给定一个预训练的 BERT，在下游任务上继续训练它（即微调）
• 但如何使其适应下游任务？
• 在上下文表示之上添加分类层

示例：垃圾邮件检测

CLS:每个句子开头的特殊标记

上图中最后会输出每个单词对应的文本表示，CLS则是句子对应的文本表示

1旁边的四个蓝色方格就是cls 符号，也就是输入的这句话的文本表示；

Classifier：下游任务的分类层；随机初始化

微调时，全网参数更新！全网参数指的是bert中的参数+分类层的参数

BERT vs. ELMo

• ELMo 仅提供上下文表示
• 下游应用有自己的网络架构
• ELMo 参数在应用于下游应用时是固定的
‣ 仅学习组合来自不同 LSTM 层的状态的权重(上面提到的权重s0，s1,s2)

• BERT 为下游任务添加了一个分类层
‣ 无需特定任务模型
• BERT 在微调期间更新所有参数

BERT有多好？

MNLI, RTE	textual entailment 文本蕴涵
QQP, STS-B, MRPC	句子相似度
QNLI	可回答性预测
SST-2	情感分析
COLA	句子可接受性预测

Transformers

Attention is All You Need

论文

• 使用注意力而不是使用 RNN（或 CNN）来捕获单词之间的依赖关系

Self-Attention 通过 Query, Key, Value

• 输入:
‣ query q (e.g. made )
‣ key k and value v (e.g. her)

• Query, key and value都是向量
‣ 词嵌入的线性投影

• 比较目标词（made）的查询向量(query vec)和上下文词的键向量(key vec)以计算权重

目标词的上下文表示=上下文词和目标词的值向量(value vec)的加权和

简单来说，也就是query和key计算权重，然后和value加权求和即可获得目标词的向量。

我们刚刚说的过程也如下图所展示的

自注意力

$A(q,K,V)=\\sum_{i}\\frac{e^{q*k_{i}}}{\\sum_{j}e^{q*k_{j}} }*v_{i}$

• 多个查询，将它们堆叠在一个矩阵中

A(Q,K, V) = softmax(Q* $K^{T}$ )V

• 使用缩放点积来防止值增长过大

$A(Q,K, V) = softmax(\\frac{Q*K^{T}}{\\sqrt{d_{k}}})*V$

• 每个词对只有一个注意力
• 使用多头注意力来允许多次交互

Transformer 块

中的Trm的结构是下图

总结

• 上下文表示非常有用
• 在非常大的语料库上预先训练
‣ 学习了一些语言知识
‣ 使用无监督目标
• 当我们将它们用于下游任务时，我们不再是“从头开始”

OK，今天的内容就到这里，辛苦大家观看，有问题随时交流！

以上是关于第十篇：上下文表示的主要内容，如果未能解决你的问题，请参考以下文章

python全栈开发第十篇Python常用模块二（时间randomossys和序列化）

C++入门：第十一个程序