Bert算法：語(yǔ)言模型-BERT詳細(xì)介紹

本文的目的是向NLP愛好者們?cè)敿?xì)解析一個(gè)著名的語(yǔ)言模型-BERT。 全文將分4個(gè)部分由淺入深的依次講解。

1.Bert簡(jiǎn)介

BERT是2018年10月由Google AI研究院提出的一種預(yù)訓(xùn)練模型。

BERT的全稱是Bidirectional Encoder Representation from Transformers。BERT在機(jī)器閱讀理解頂級(jí)水平測(cè)試SQuAD1.1中表現(xiàn)出驚人的成績(jī): 全部?jī)蓚€(gè)衡量指標(biāo)上全面超越人類，并且在11種不同NLP測(cè)試中創(chuàng)出SOTA表現(xiàn)，包括將GLUE基準(zhǔn)推高至80.4% (絕對(duì)改進(jìn)7.6%)，MultiNLI準(zhǔn)確度達(dá)到86.7% (絕對(duì)改進(jìn)5.6%)，成為NLP發(fā)展史上的里程碑式的模型成就。

2.關(guān)于Bert的模型架構(gòu)

總體架構(gòu)：如下圖所示, 最左邊的就是BERT的架構(gòu)圖，可以很清楚的看到BERT采用了Transformer Encoder block進(jìn)行連接， 因?yàn)槭且粋€(gè)典型的雙向編碼模型。

3.1 關(guān)于Bert訓(xùn)練過程中的關(guān)鍵點(diǎn)

1)四大關(guān)鍵詞: Pre-trained, Deep, Bidirectional Transformer, Language Understanding

a. Pre-trained: 首先明確這是個(gè)預(yù)訓(xùn)練的語(yǔ)言模型，未來(lái)所有的開發(fā)者可以直接繼承!

整個(gè)Bert模型最大的兩個(gè)亮點(diǎn)都集中在Pre-trained的任務(wù)部分。

b. Deep

Bert_BASE:Layer = 12, Hidden = 768, Head = 12, Total Parameters = 110M

Bert_LARGE:Layer = 24, Hidden = 1024, Head = 16, Total Parameters = 340M

對(duì)比于Transformer: Layer = 6, Hidden = 2048, Head = 8，是個(gè)淺而寬，說(shuō)明Bert這樣深而窄的模型效果更好(和CV領(lǐng)域的總體結(jié)論基本一致)。

C. Bidirectional Transformer: Bert的個(gè)創(chuàng)新點(diǎn)，它是個(gè)雙向的Transformer網(wǎng)絡(luò)。

Bert直接引用了Transformer架構(gòu)中的Encoder模塊，并舍棄了Decoder模塊, 這樣便自動(dòng)擁有了雙向編碼能力和強(qiáng)大的特征提取能力。

D. Language Understanding: 更加側(cè)重語(yǔ)言的理解，而不僅僅是生成(Language Generation)

3.2 Bert的語(yǔ)言輸入表示包含了3個(gè)組成部分: (見上面第二張圖)

詞嵌入張量: word embeddings

語(yǔ)句分塊張量: segmentation embeddings

位置編碼張量: position embeddings

最終的embedding向量是將上述的3個(gè)向量直接做加和的結(jié)果。

3.3: Bert的預(yù)訓(xùn)練中引入兩大核心任務(wù) (這兩個(gè)任務(wù)也是Bert原始論文的兩個(gè)最大的創(chuàng)新點(diǎn))

a 引入Masked LM(帶mask的語(yǔ)言模型訓(xùn)練)

a.1 在原始訓(xùn)練文本中，隨機(jī)的抽取15%的token作為即將參與mask的對(duì)象。

a.2 在這些被選中的token中，數(shù)據(jù)?生成器?并不不是把他們?nèi)孔兂蒣MASK]，?而是有下列列3個(gè)選擇:

a.2.1 在80%的概率下，用[MASK]標(biāo)記替換該token, 比如my dog is hairy -> my dog is [MASK]

a.2.2 在10%的概率下, ??個(gè)隨機(jī)的單詞替換該token, 比如my dog is hairy -> my dog is apple

a.2.3 在10%的概率下, 保持該token不變, 比如my dog is hairy -> my dog is hairy

a.3 Transformer Encoder在訓(xùn)練的過程中, 并不知道它將要預(yù)測(cè)哪些單詞? 哪些單詞是原始的樣? 哪些單詞被遮掩成了[MASK]? 哪些單詞被替換成了其他單詞? 正是在這樣一種高度不確定的情況下, 反倒逼著模型快速學(xué)習(xí)該token的分布式上下文的語(yǔ)義, 盡最大努力學(xué)習(xí)原始語(yǔ)言說(shuō)話的樣子!!! 同時(shí)因?yàn)樵嘉谋局兄挥?5%的token參與了MASK操作, 并不會(huì)破壞原語(yǔ)言的表達(dá)能力和語(yǔ)言規(guī)則!!!

b 引入Next Sentence Prediction (下?句話的預(yù)測(cè)任務(wù))

b.1 目的是為了服務(wù)問答，推理，句?主題關(guān)系等NLP任務(wù)。

b.2 所有的參與任務(wù)訓(xùn)練的語(yǔ)句都被選中參加。

·50%的B是原始?本中實(shí)際跟隨A的下?句話。(標(biāo)記為IsNext，代表正樣本)

·50%的B是原始?本中隨機(jī)抽取的?句話。(標(biāo)記為NotNext，代表負(fù)樣本)

b.3 在該任務(wù)中，Bert模型可以在測(cè)試集上取得97-98%的準(zhǔn)確率。

3.4 關(guān)于基于Bert的模型微調(diào)(fine-tuning)

只需要將特定任務(wù)的輸入，輸出插入到Bert中，利用Transformer強(qiáng)大的注意力機(jī)制就可以模擬很多下游任務(wù)。(句子對(duì)關(guān)系判斷，單文本主題分類，問答任務(wù)(QA)，單句貼標(biāo)簽(命名實(shí)體識(shí)別))

微調(diào)的若干經(jīng)驗(yàn):

batch size:16,32

epochs:3,4

learning rate:2e-5,5e-5

全連接層添加:layers:1-3,hidden_size:64,128

4、Bert模型本身的優(yōu)點(diǎn)和缺點(diǎn)。 

優(yōu)點(diǎn): Bert的基礎(chǔ)建立在transformer之上，擁有強(qiáng)大的語(yǔ)言表征能力和特征提取能力。在11項(xiàng) NLP基準(zhǔn)測(cè)試任務(wù)中達(dá)到了state of the art。同時(shí)再次證明了雙向語(yǔ)言模型的能力更加強(qiáng)大。

缺點(diǎn):
1)可復(fù)現(xiàn)性差，基本沒法做，只能拿來(lái)主義直接用!
2)訓(xùn)練過程中因?yàn)槊總€(gè)batch_size中的數(shù)據(jù)只有15%參與預(yù)測(cè)，模型收斂較慢，需要強(qiáng)大的算力支撐!

引申:

1)深度學(xué)習(xí)就是表征學(xué)習(xí) (Deep learning is representation learning)

·整個(gè)Bert在11項(xiàng)語(yǔ)言模型大賽中，基本思路就是雙向Transformer負(fù)責(zé)提取特征，然后整個(gè)網(wǎng)絡(luò)加一個(gè)全連接線性層作為fine-tuning微調(diào)。但即便如此傻瓜式的組裝，在NLP中著名的難任務(wù)-NER(命名實(shí)體識(shí)別)中，甚至直接去除掉了CRF層，照樣大超越BiLSTM + CRF的組合效果, 這去哪兒說(shuō)理去???

2)規(guī)模的極端重要性 (Scale matters)

不管是Masked LM，還是下一句預(yù)測(cè)Next Sentence Prediction，都不是首創(chuàng)的概念，之前在其他的模型中也提出過，但是因?yàn)閿?shù)據(jù)規(guī)模+算力局限沒能讓世人看到這個(gè)模型的潛力，那些Paper也就不值錢了。但是到了谷歌手里, 不差錢的結(jié)果就是Paper值錢了!!

3)關(guān)于進(jìn)一步的研究展示了Bert在不同的層學(xué)習(xí)到了什么。

·低的網(wǎng)絡(luò)層捕捉到了短語(yǔ)結(jié)構(gòu)方面的信息。

·單詞和字的特征表現(xiàn)在3-4層，句法信息的特征表現(xiàn)在6-9層，句?語(yǔ)義信息的特征表現(xiàn)在10-12層。

·主謂一致的特征表現(xiàn)在8-9層 (屬于句法信息的一種)。


猜你喜歡：

shiro支持的編碼/解碼和散列算法

圖論算法介紹

孤立森林算法介紹，這次終于看懂了!