论文赏析【EMNLP19】语言模型效果不好？也许你可以给它添加一点句法信息 - 走看看

zoukankan html css js c++ java

论文赏析【EMNLP19】语言模型效果不好？也许你可以给它添加一点句法信息
论文地址

PaLM: A Hybrid Parser and Language Model[1]

介绍

本文介绍了如何将一个句法分析器融入到神经网络语言模型中，这样在利用了句法信息增强语言模型效果的同时，还可以去掉句法上的监督信号，用来无监督地生成句法树。

其实将句法信息加入到语言模型中地思想之前就有了，比如PRPN（Shen et al.[2]）和ON-LSTM（Shen et al.[3]）。而本文提出了一种新的融入句法信息的方法，相比于之前的两个模型，主要有如下优点：

更加符合直觉、更加轻巧，不需要很复杂的解码算法。

在LSTM中加入的attention信息可以用句法信息来监督，可解释性更强，可以和语言模型联合训练。

如果没有句法信息监督也不要紧，模型可以无监督预测出句法树。

模型

span attention

模型中的attention是怎么做的呢？在 $t$ 时刻，模型关注以 $t - 1$ 结尾的所有 span 。但是为了减少运算量，这里只考虑最短的 $m$ 个 span ，也就是 ${[i, t - 1]}_{i = t - m}^{t - 1}$ 。

首先采用普通的 RNN 来获得 $t$ 时刻的隐层表示 $h_t$ ，然后采用双向 WFSA-RRNN （Peng et al.[4]）进一步得到表示， WFSA-RRNN 的单元更新公式如下：

$egin{aligned} f_t &= sigma(W_f h_t) \ u_t &= (1 - f_t) odot anh(W_u h_t) \ c_t &= f_t odot c_{t-1} + u_t end{aligned} \$

然后 span $[i, j]$ 的表示 $c_{i, j}$ 可以计算为：

$c_{i, j} = c_j - c_{i-1}odot_{k=i}^{j}f_k \$

这个式子其实是从下面这个式子推算而来的：

$c_{i, j} = u_j + sum_{k=i}^{j-1}{u_k odot_{l=k+1}^{j}f_l} \$

具体计算过程就不在这里看了，详见论文附录，其实就是用的 WSFA-RRNN 的单元更新公式化简得到的。

注意上面向量都省略了前向箭头！

下面就是计算所有 span 表示的算法伪代码：

可以看出复杂度还是挺高的，但是可以用 GPU 并行加速。

然后就是计算attention了。首先令 $g([i, j])$ 为向量 $c_{ij}$ 前后向拼接得到，表示 span [i, j] 的最终向量表示。那么在 $t + 1$ 时刻，上下文向量 $a_{t + 1}$ 可以表示为：

$egin{aligned} a_{t+1} &= sum_{i=0}^{m-1}{w_{t,i}g([t-i,t])} \ w_{t,i} &= frac{exp{s_{t,i}}}{sum_{j=0}^{m-1}{exp{s_{t,j}}}} end{aligned} \$

其中 $s_{t, i}$ 定义为：

$s_{t,i} = ext{MLP}(h_{t+1};g([t-i, t])) \$

最后拼接 $h_{t+1}$ 和 $a_{t+1}$ 作为最后的隐层输出。

总结一下，计算步骤是这样的：

首先用一个标准的RNN计算得到隐层表示 $h_t$ 。

然后将 $h_t$ 输入到一层的双向 WSFA-RRNN 中，得到表示 $c_t$ ，并且用上述算法进一步得到 span 的表示。

最后对所有以 $t$ 结尾的 span 表示加权求和，得到下一时刻的隐层表示，并预测下一个单词。

生成句法树

这就和以往自顶向下解码句法树的算法一样了，对于 span $[i, j]$ ，寻找使得右儿子得分最高的 split $k$ 即可：

$k = ext{argmax}_{k in {0,ldots,m-1}}s_{j,k} \$

而如果是有监督的话，对于每个位置 $t$ ，都会预测一个 attention $w_t$ ，并且有一个 gold 的左边界 $y_t$ 。注意这里的 $y_t$ 不一定是 one-hot 的，因为在一棵句法树中，一个右端点可能对应着很多不同的左端点。最终的损失函数为：

$mathcal{L} = mathcal{L}_{ ext{LM}}+frac{lambda}{N}sum_{t=1}^{N}{mathcal{H}(y_t, w_t)} \$

而这里的句法树监督其实可以用现成的 parser ，或者直接用左右二叉树之类的就行了，主要目的是为了提升语言模型性能。

下图就是一个简单的例子：

实验

这是一篇短文，所以实验就很简单了。

首先是PTB上的语言模型困惑度：

然后是WikiText2上的语言模型困惑度：

两个实验都可以看出加了句法树监督的语言模型效果更好，而无监督隐式的语言模型效果也还可以。注意这里的AWD-LSTM指的是之前提出的一种LSTM变体（Merity et al.[5]）。看得出来这些模型参数量其实没多大差别，而如果句法信息乱加监督（比如用右二叉树），效果反而会变差。

接着是无监督句法分析的效果：

可以发现效果还是很差的，只比随机的二叉树好了那么一丢丢。比之前的 PRPN 差许多，和 DIROA 相比就更不用谈了（Drozdov et al.[6]）。这也说明了对语言模型有用的句法信息可能并不符合 PTB 句法树结构。

最后还分析了左结合多还是右结合多：

可以看出，基本全部都是右结合，也就是attention基本都聚焦在了 span 的最左边的单词。具体原因作者也不知道，留着未来探索。

后记

其实这篇短文和我 ACL 的工作挺像的，着实让我惊了一身冷汗（希望 ACL 能中，加油！）。

不过这篇还是有些小瑕疵的，比如最大考虑长度 $m$ ，这个值在语言模型的训练时用到了，但是分析无监督句法树的时候就去掉限制了，其实会影响无监督句法分析性能的。不过也不要紧，毕竟本文任务不是做句法分析。

再比如算 attention 是要对所有分数做归一化的，但是句法分析又采用了没有归一化的得分来解码，原因是因为一个右边界对应着多个左边界，所以不能用 attention 解码。但其实这个 attention 在做有监督句法信息的时候， gold 的就不是归一化的，也就是非 one-hot 的。总之这里做的挺粗糙的，也没有设计的很优雅。

参考资料

[1]

PaLM: A Hybrid Parser and Language Model: http://arxiv.org/abs/1909.02134

[2]

Neural Language Modeling by Jointly Learning Syntax and Lexicon: http://arxiv.org/abs/1711.02013

[3]

Ordered Neurons: Integrating Tree Structures into Recurrent Neural Networks: http://arxiv.org/abs/1810.09536

[4]

Rational Recurrences: https://arxiv.org/abs/1808.09357

[5]

Regularizing and Optimizing LSTM Language Models: https://arxiv.org/abs/1708.02182

[6]

Unsupervised Latent Tree Induction with Deep Inside-Outside Recursive Autoencoders: http://arxiv.org/abs/1904.02142
查看全文

相关阅读:
python zip()函数转置表，操作列
 python 集合无序非重容器的操作
 前行
 工作读书放松：做其他事情 1.运动（如焦），2.闭眼睡觉休息（如蔡），3.选择读其他书
 心在哪时间在哪路在哪
 vi全部替换
 选择
 知识代码算法
 code algorithm
绕过CND查找真是IP地址

原文地址：https://www.cnblogs.com/godweiyang/p/12203883.html

Copyright © 2011-2022 走看看