文本分类Deep Pyramid Convolutional Neural Networks for Text Categorization

Posted 2022-02-14 征途黯然.

·阅读摘要：
  本文提出了DPCNN(深度金字塔CNN)模型。在transformer、bert还没兴起的年代，模型越深效果越好，但是模型的复杂度会随着深度提升。粗略地说，DPCNN就是为了解决CNN模型越深复杂度越高的导致计算成本高这一问题的。
·参考文献：
  [1] Deep Pyramid Convolutional Neural Networks for Text Categorization

[0] 摘要

  论文提出了一种低复杂度单词级别的深度卷积神经网络(DPCNN)，用于文本分类。

  模型的复杂度会随着神经网络深度的深入而增加；在大数据集上，浅层的词级CNN比深层字级CNN更快更好。

  DPCNN综合二者，在使用词级CNN的基础上，提出一种效果等同于深层神经网络的浅层神经网络。使得DPCNN有着深层CNN的效果，但是训练起来可以接受。

[1] 介绍

  RNN、CNN都可以利用句子中的词序来训练模型。

【注一】：CNN利用词序，是本文作者发表的另一篇论文《Effective use of word order for text categorization with convolutional neural networks》

  虽然CNN、RNN都能利用词序信息，但是CNN可以并行处理数据，这更吸引作者。

  研究表明，深层字级cnn优于浅层字级cnn，浅层词级cnn优于深层字级cnn。词的向量表示效果显著。

【注二】：词的向量表示即以词为单位来做embedding层，虽然词的个数特别多，但是训练时使用的30K个常用词就占数据集总词量的98%

  在这些基础上，论文提出一个 深但低复杂度 的网络结构，叫做DPCNN。它的总计算时间在常数范围内。

  DPCNN架构简单地交替一个卷积块和一个池化层，池化层会导致内部数据大小以金字塔形状收缩。这个网络的计算复杂度被限制为不超过一个卷积块的两倍。，随着网络的深化，“金字塔”能够有效地发现文本中的长距离关联。

【注三】：论文使用步长为2的池化层，这样每经过一次池化层，数据就会缩减一半。
【注四】：大小为3、步长为2的池化层，是常用的设置，这里论文中说成“金字塔”形状，可见作者写故事的能力不赖呀 哈哈。（只是调侃）

[2] 模型

  DPCNN模型有几个关键词：

  1、the number of the feature maps fixed

  2、shortcut connections with pre-activation

  3、no need for dimension matching

  4、text region embedding

  DPCNN模型如下图，以上关键词在叙述模型中介绍。

  模型图从下往上看，一个文本有word embedding的表示，对应于图中的【Unsupervised embeddings】。

  图中的【Region embedding】是对一个文本（比如3gram）进行一组卷积操作后生成的embedding。初始的embedding表示那里，论文采用了 “tv-embedding training”（还没有了解过），之后变成【Region embedding】就是对3元语法的一个卷积，把相邻的三个词的embedding卷积。

【注五】：今天看来这里可以直接使用预训练的词向量，特别是基于bert来微调

  之后在模型主干上，经过两次卷积（会有padding操作）、激活（relu），然后使用shortcut connections把原先的$x$与$f(x)$相加,作为下一层的输入。

  此处，论文说的是shortcut connections with pre-activation，即预先激活的shortcut连接。就是说在模型主干的两个卷积层上先做激活（relu），然后直接加上$x$，即$Relu(conv(x))+x$；而不是在模型主干的两个卷积层上走完加上x后激活，即$Relu(conv(x)+x)$。

【注六】：这他喵的不就是resNet的残差链接吗？非要说成shortcut connections with pre-activation。。。。

  然后会进入一个循环的“池化-卷积块”。这里论文提到，feature map（可以认为是filter）的数量是固定的，这有利于做“池化-卷积块”内部的shortcut connections，也有利于模型加深而不提高复杂度。参考论文给的图c（下图右边），可以看到，模型加深往往伴随feature map数量的增多，而本篇论文中固定了feature map数量。

  假设一次训练，数据走到【Repeat】部分前，batch=128，len=32，filter=250。

  第一次循环：经过Pooling(size为3、步长为2，导致数据缩减一半)，那么len=len/2=16，得到$x$[128,16,250]。主干部分经过2个卷积（还有padding）变成$px$[128,16,250]，但是它的形状没有变。最后$x=px+x$为[128,16,250]，直接相加形状也没变。

  第二次循环：同理，变为[128,8,250]。
  第三次循环：同理，变为[128,4,250]。
  第四次循环：同理，变为[128,2,250]。

  第五次循环：同理，变为[128,1,250]。此时不在循环，接个fc就可以分类输出了。