如何使用 Bert 进行长文本分类？

Posted 2023-02-15

【中文标题】如何使用 Bert 进行长文本分类？

【英文标题】：How to use Bert for long text classification?

【发布时间】：2020-02-26 09:56:42

【问题描述】：

我们知道BERT有一个tokens的最大长度限制= 512，所以如果一篇文章的长度远大于512，比如文本中有10000个tokens BERT如何使用？

【参考方案1】：

你基本上有三个选择：

您将较长的文本剪掉，只使用前 512 个标记。最初的 BERT 实现（可能还有其他实现）会自动截断较长的序列。在大多数情况下，此选项就足够了。 您可以将文本拆分为多个子文本，对每个子文本进行分类并将结果组合在一起（例如，选择为大多数子文本预测的类别）。这个选项显然更昂贵。 您甚至可以按照this discussion 中的说明将每个子文本（如选项 2）的输出令牌提供给另一个网络（但您将无法进行微调）。

我建议尝试选项 1，但前提是这还不足以考虑其他选项。

【讨论】：

我打算用bert作为段落编码器，然后喂给lstm，可行吗？

***.com/questions/58703885/…

根据我的经验，我还必须分析大段落，而最好的结果确实是只考虑最后的 512 个标记，因为它们提供的信息最多（通常结束主题）。但我相信这在很大程度上取决于手头的域和文本。此外，此处显示的发送选项对我来说效果不佳，因为我正在处理会话文本，而单个句子对分类几乎没有提及。

【参考方案2】：

本文比较了几种不同的策略：How to Fine-Tune BERT for Text Classification?。 在 IMDb 电影评论数据集上，他们实际上发现剪掉文本的中间（而不是截断开头或结尾）效果最好！它甚至优于更复杂的“分层”方法，包括将文章分成块然后重新组合结果。

作为另一个轶事，我将 BERT 应用于 Wikipedia Personal Attacks 数据集 here，发现简单截断效果很好，我没有动力尝试其他方法 :)

【讨论】：

论文的链接好像坏了。您能否向我们提供工作链接或论文的标题/作者？

【参考方案3】：

除了分块数据并将其传递给 BERT 之外，还可以检查以下新方法。

长文档分析有新的研究。正如您向 Bert 询问的那样，最近 ALLEN NLP (https://arxiv.org/abs/2004.05150) 提供了一个类似的预训练变压器 Longformer。看看这篇论文的链接。

相关工作部分还提到了一些以前关于长序列的工作。谷歌他们。我建议至少通过 Transformer XL (https://arxiv.org/abs/1901.02860)。据我所知，它是长序列的初始模型之一，因此在进入“Longformers”之前将其用作基础会很好。

【参考方案4】：

Defending Against Neural Fake News (https://arxiv.org/abs/1905.12616) 论文中使用了一种方法

他们的生成模型产生 1024 个令牌的输出，他们希望将 BERT 用于人类与机器生成。他们扩展了 BERT 使用的序列长度，只需初始化 512 个嵌入并在他们在数据集上微调 BERT 的同时对其进行训练。

【参考方案5】：

主要有两种方法：

完全连接“短”BERT（最多包含 512 个令牌） 构建真正的长 BERT（CogLTX、Blockwise BERT、Longformer、Big Bird）

我在这篇文章中恢复了一些典型的BERT长文论文：https://lethienhoablog.wordpress.com/2020/11/19/paper-dissected-and-recap-4-which-bert-for-long-text/

您可以在那里概览所有方法。

【参考方案6】：

您可以利用 HuggingFace Transformers 库，其中包含以下可处理长文本（超过 512 个标记）的 Transformer 列表：

Reformer：将 Transformer 的建模能力与可在长序列上高效执行的架构相结合。 Longformer：具有随序列长度线性扩展的注意力机制，可以轻松处理数千个标记或更长的文档。

最近提出的其他八种高效 Transformer 模型包括 Sparse Transformers (Child et al.,2019)、Linformer (Wang et al., 2020)、Sinkhorn Transformers (Tay et al., 2020b)、Performers (Choromanski et al., 2020b)、合成器 (Tay et al., 2020a)、线性变压器 (Katharopoulos et al., 2020) 和 BigBird (Zaheeret al., 2020)。

来自 Google Research 和 DeepMind 的作者的paper 试图根据 Long-Range Arena“聚合指标”对这些 Transformer 进行比较：

他们还建议在分类任务方面，Longformer 的性能优于 Reformer。

【讨论】：

我会补充一点，Longformer（我不知道其他人）仍然有 4096 个令牌的限制

【参考方案7】：

我最近（2021 年 4 月）发表了一篇关于此主题的论文，您可以在 arXiv (https://arxiv.org/abs/2104.07225) 上找到该论文。

在那里，表 1 允许回顾以前解决问题的方法，整个手稿是关于长文本分类并提出一种称为文本指南的新方法。这种新方法声称与该问题的先前答案之一中提到的论文 (https://arxiv.org/abs/1905.05583) 中使用的幼稚和半幼稚文本选择方法相比，可以提高性能。

关于您的选择的长话短说：

低计算成本：使用幼稚/半幼稚的方法来选择原始文本实例的一部分。示例包括选择前 n 个标记，或从原始文本实例的开头和结尾编译一个新的文本实例。

中到高计算成本：使用最近的转换器模型（如 Longformer），其令牌限制为 4096 而不是 512。在某些情况下，这将允许覆盖整个文本实例，修改后的注意力机制降低了计算成本，并且

高计算成本：将文本实例划分为适合 BERT 等模型的块，每个实例的“标准”令牌限制为 512 个，分别在每个部分上部署模型，加入生成的向量表示。

现在，在我最近发表的论文中，提出了一种称为文本指南的新方法。文本指南是一种文本选择方法，与幼稚或半幼稚截断方法相比，它可以提高性能。作为一种文本选择方法，Text Guide 不会干扰语言模型，因此它可用于提高具有“标准”令牌限制（对于转换器模型为 512）或“扩展”限制（例如 4096）的模型的性能对于 Longformer 模型）。摘要：文本指南是一种低计算成本的方法，它比简单和半简单的截断方法提高了性能。如果文本实例超出了为长文本分类（如 Longformer（4096 个标记）而专门开发的模型的限制），它还可以提高它们的性能。

【参考方案8】：

在将 BERT 模型下载到内核中时，您可以在配置中使用 max_position_embeddings 参数。使用此参数，您可以选择 512、1024、2048 作为最大序列长度

max_position_embeddings（int，可选，默认为 512）——此模型可能使用的最大序列长度。通常将此设置为较大的值以防万一（例如，512 或 1024 或 2048）。

https://huggingface.co/transformers/model_doc/bert.html

【参考方案9】：

一个相对简单的方法是改变输入。例如，您可以截断输入或单独分类输入的多个部分并聚合结果。但是，这样可能会丢失一些有用的信息。

在长文本上应用 Bert 的主要障碍是注意力需要对n 输入标记进行O(n^2) 操作。一些较新的方法试图巧妙地改变 Bert 的架构并使其兼容更长的文本。例如，Longformer 将注意力范围限制为一个固定值，因此每个标记只与一组附近的标记相关。该表（Longformer 2020，Iz Beltagy 等人）展示了一组基于注意力的长文本分类模型：

LTR 方法从左到右按块处理输入，适用于自回归应用程序。稀疏方法主要通过避免完全二次注意将计算顺序减少到O(n) 矩阵计算。