zoukankan      html  css  js  c++  java
  • ELMO,BERT和GPT简介

    Contextualized Word Embedding#

    同样的单词有不同的意思,比如下面的几个句子,同样有 “bank” ,却有着不同的意思。但是用训练出来的 Word2Vec 得到 “bank” 的向量会是一样的。向量一样说明 “word” 的意思是一样的,事实上并不是如此。这是 Word2Vec 的缺陷。

    下面的句子中,同样是“bank”,确是不同的 token,只是有同样的 type

    我们期望每一个 word token 都有一个 embedding。每个 word token 的 embedding 依赖于它的上下文。这种方法叫做 Contextualized Word Embedding

    EMLO#

    EMLO 是 Embeddings from Language Model 的缩写,它是一个 RNN-based 的模型,只需要有大量句子就可以训练。

    我们可以把训练的 RNN 隐藏层的权重拿出来,把词汇经过隐藏层后输出的向量当做这个单词的 embedding,因为 RNN 是考虑上下文的,所以同一个单词在不同的上下文中它会得到不同的向量。上面是一个正向里的 RNN,如果觉得考虑到的信息不够,可以训练双向 RNN ,同样将隐藏层的输出作为 embedding。

    如果我们的 RNN 有很多层,我们要拿那一隐藏层的输出作为 embedding?

    在 ELMO 中,它取出每一层得到的向量,经过运算得到我们每一个单词的 embedding

    比如上图,假设我们有2层,所以每个单词都会得到 2 个向量,最简单的方法就是把两个向量加起来作为这个单词的embedding。

    EMLO中会把两个向量取出来,然后乘以不同的权重 αα,再将得到的我们得到的 embedding 做下游任务。

    αα 也是模型学习得到的,它会根据我们的下游任务一起训练得到,所以不同的任务用到的 αα 是不一样的

    比如我们的 embedding 可以有3个来源,如上图所示。分别是

    • 原来没有经过 contextualized 的 embedding,就是上面的 Token
    • Token 经过第一层抽出第一个 embedding 
    • Token 经过第二层抽出第二个 embedding 

    颜色的深浅代表了权重的大小,可以看到不同的任务(SRL、Coref 等)有着不同的权重。

    BERT#

    BERT 是 Bidirectional Encoder Representations from Transformers 的缩写,BERT 是 Transformer 中的 Encoder。它由许多个 Encoder 堆叠而成

    论文地址:https://arxiv.org/pdf/1810.04805.pdf

    推荐的文章:https://cloud.tencent.com/developer/article/1389555

    在 BERT 里面,我们的文本是不需要标签的,只有收集到一堆句子就可以训练了。

    BERT 是 Encoder,所以可以看成输入一个句子,输出 embedding,每个 embedding 对应一个 word

    上图的例子我们是以 “词” 为单位,有时候我们以 “字” 为单位会更好。比如中文的 “词” 是很多的,但是常用的 “字” 是有限的。

    在 BERT 中,有两种训练方法,一种是 Masked LM。另一种是 Next Sentence Prediction。但一般同时使用,会取得更好的效果。下图是 BERT 的大体架构。可以看到 Pre-training 阶段和 Fine-Tuning 阶段中 BERT 模型,只有输出层不同,其他部分是完全一样的。

    Masked LM#

    在 Masked LM 中,我们会把输入的句子中随机将15%的词汇置换为一个特殊的 token ,叫做 [MASK]

    其实并不是所有被选中的词汇都会被替换为 [MASK] ,在 BERT 论文的 3.1 Pre-training BERT 中谈到了 3 种方式。

    (1)80% 被替换为 [MASK]

    (2)10% 被替换为随机 token 

    (3)10% 不替换

    BERT 的任务就是猜出这些被置换掉的词汇的什么。

    就像是一个填词游戏,挖去一句话中的某个单词,让你自己填上合适的单词

    经过 BERT 后我们得到一个 embedding,再把置换为 [MASK] 的那个位置输出的 embedding 通过一个线性分类器,预测这个单词是什么

    因为这个分类器是 Linear 的,所以它的能力非常非常弱,所以 BERT 要输出一个非常好的 embedding,才能预测出被置换掉的单词是什么

    如果两个不同的词可以填在同一个句子,他们会有相似的embedding,因为他们语义相近

    Next Sentence Prediction#

    在 Next Sentence Prediction 中,我们给 BERT 两个句子,让 BERT 预测这两个句子是不是接在一起的

    [SEP]:特殊的toekn,代表两个句子的交界处

    [CLS]:特殊的token,代表要做分类

    我们再把 [CLS] 输出的向量通过一个线性分类器,让分类器判断这两个句子应不应该接在一起。

    BERT 是 Transformer 的 Encoder,它用到了 self-attention 机制,可以读到句子的全部信息,所以 [CLS] 可以放在开头

    BERT 论文中谈到输入的句子对中,以 A-B 描述这样的句子对。B 有50%的概率不变,就是真正的下一句(IsNext)。也有 50% 的概率会变成其他句子(NotNext)。

    我们也可以直接把这个向量输入一个分类器中,判断文本的类别,比如下面判断垃圾邮件的实例

    BERT的输入#

    如上图所处,BERT 的输入 embedding 是 token embeddings、segment embeddings 和 position embedding 的和

    token embedding:词向量

    segment embedding:表示句子是第一句还是第二句

    position embedding:表示词汇在句子中的位置

    ERNIE#

    ERNIE 是 Enhance Representation through Knowledge Integration 的缩写

    ERNIE是专门为中文准备的,BERT的输入以中文的字为单位,随机盖掉一些字后其实是很容易被猜出来的,如上图所示。所以盖掉一个词汇比较合适。

    GPT#

    GPT 是 Generative Pre-Training 的缩写,它的参数量特别大,如下图所示,它的参数量是 BERT 的4.5倍左右

     BERT 是 Transformer 的 Encoder,GPT则是 Transformer 的 Decoder。GPT 输入一些词汇,预测接下来的词汇。其计算过程如下图所示。

    我们输入单词 “潮水”,经过许多层的 self-attention 后得到输出 “退了”。再把 “退了” 作为输入,预测下一个输出。

    GPT可以做阅读理解、句子或段落生成和翻译等NLP任务

    下面的网址可以体验训练好的 GPT 

    https://talktotransformer.com/

    比如让它自己写代码

    也可以让它写文章、写剧本什么的,网址就在上面,可以自己去体验

  • 相关阅读:
    第十七节(is-a 、is-like-a 、has-a,包和 import )
    第十六节(Object类(toString() 、finalize、equals方法)
    第十五节(多态,接口和抽象类的区别,类之间的关系)
    第十四节(接口(行为))
    第十三节(super关键字、final关键字、抽象类))
    .gitignore立即生效
    find & xargs 参数传递
    zsh: command not found: j
    将文件转化为源代码
    C读文件相关的调用
  • 原文地址:https://www.cnblogs.com/henuliulei/p/13449281.html
Copyright © 2011-2022 走看看