BERT笔记

BERT是在OpenAI GPT基础上发展起来的,是一种动态词向量技术。与传统静态词向量不同,动态词向量可以根据具体的上下文信息,动态生成词向量。对于一词多义等现象较为友好。BERT的牛逼之处在于对于许多具体的下游任务,预训练的BERT表示可以通过仅仅一个额外的输出层的微调便可以取得state-of-the-art的结果,而不需要为特定的任务在结构上做很大的改动。

作者认为当前的技术手段严重的限制了预训练表示的力量,特别是fine-tuning。最主要的限制是标准的语言模型是单向的,这限制了可以被用来做预训练的结构的选择。比如,在OpenAI GPT中,作者使用了从左至右的结构,其中每一个字词在Transformer中的self-attention中只能关注前一个字词,这种约束对于句子级的任务是一种次优的解决方案。并且当把fine-tuning应用到诸如SQuAD这样的问答系统中会造成很严重的错误。因为双向的相关上下文对这种系统至关重要。

这篇文章的贡献主要在于以下几点:

  • 阐述了语言表示双向与训练的重要性,BERT使用Masked LM (Language Model)来做深度双向表示预训练
  • 展示了预训练表示(BERT)可以消除为任务设计的特定网络结构。BERT是第一个在大量句子级和字词级任务中都达到state-of-the-art结果的基于微调的表示模型,比很多任务特定结构的系统表现得更好
  • BERT在11个自然语言处理任务上都得到state-of-the-art结果。并且阐述了BERT的扩展能力

Background

BERT

Model Architecture

BERT的模型结构是一个多层双向Transformer。与OpenAI GPT和ELMo的对比如下图所示,它与OpenAI GPT的区别就在于采用了Transformer Encoder,也就是每个时刻的Attention计算都能够得到全部时刻的输入,而OpenAI GPT采用了Transformer Decoder,每个时刻的Attention计算只能依赖于该时刻前的所有时刻的输入,因为OpenAI GPT是采用了单向语言模型。

image.png
image.png

Input Representation

BERT的输入为如图所示三个部分的求和:

  • token embedding:文章采用的是WordPiece embedding。
  • segment embedding:在做两个序列任务(比如Q&A)的时候对不同序列做标识
  • position embedding:文章对512长度的序列都做了position embedding。由于预训练的时候,position embedding的长度已经固定死了,因此这样设定实际上阻碍了BERT的扩展性
image.png
image.png

为了一个输入能够针对两个任务,输入构造规则如下:

  1. 为了能够同时表示单句子和句子对,多句子(例如QA中的Q/A)需要进行拼接作为单个句子,用segment embedding和[SEG]来进行区分
  2. 句子第一个token总是有特殊含义,例如分类问题中是类别,如果不是分类问题那么就忽略
  3. 三个embedding进行sum得到输入的向量

Pre-training Tasks

Task #1: Masked LM

现有的语言模型的问题在于,没有同时利用到Bidirectional信息,现有的语言模型例如ELMo号称是双向LM(BiLM),但是实际上是两个单向RNN构成的语言模型的拼接。

因为语言模型本身的定义是计算句子的概率:

p(S)=p\left(w_{1}, w_{2}, w_{3}, \dots, w_{m}\right)
前向RNN构成的语言模型计算的是:
p\left(w_{1}, w_{2}, w_{3}, \dots, w_{m}\right)=\prod_{i=1}^{m} p\left(w_{i} | w_{1}, w_{2}, \ldots, w_{i-1}\right)
而后向RNN构成的语言模型计算的是:
p\left(w_{1}, w_{2}, w_{3}, \ldots, w_{m}\right)=\prod_{i=1}^{m} p\left(w_{i} | w_{i+1}, w_{i+2}, \ldots, w_{m}\right)
也就是当前词的概率只依赖后面出现的词的概率。

那么如何才能同时利用好前面词和后面词的概率呢?BERT提出了Masked Language Model,也就是随机去掉句子中的部分token,然后模型来预测被去掉的token是什么。这样实际上已经不是传统的神经网络语言模型(类似于生成模型)了,而是单纯作为分类问题,根据这个时刻的hidden state来预测这个时刻的token应该是什么,而不是预测下一个时刻的词的概率分布了。

这里的操作是随机mask语料中15%的token,然后预测masked token,那么masked token 位置输出的final hidden vectors喂给softmax网络即可得到masked token的预测结果。

这样操作存在一个问题,fine-tuning的时候没有[MASK] token,因此存在pre-training和fine-tuning之间的mismatch,为了解决这个问题,采用了下面的策略:

  • 80%的时间中:将选中的词用[MASK]token来代替,例如
    my dog is hairy → my dog is [MASK]
    
  • 10%的时间中:将选中的词用任意的词来进行代替,例如
    my dog is hairy → my dog is apple
    
  • 10%的时间中:选中的词不发生变化,例如
    my dog is hairy → my dog is hairy
    

这样存在另一个问题在于在训练过程中只有15%的token被预测,正常的语言模型实际上是预测每个token的,因此Masked LM相比正常LM会收敛地慢一些,后面的实验也的确证实了这一点。

Task #2: Next Sentence Prediction

很多需要解决的NLP tasks依赖于句子间的关系,例如问答任务等,这个关系语言模型是获取不到的,因此将下一句话预测作为了第二个预训练任务。该任务的训练语料是两句话,来预测第二句话是否是第一句话的下一句话,如下所示

image.png
image.png

fine-tuning

这里fine-tuning之前对模型的修改非常简单,例如针对sequence-level classification problem(例如情感分析),取第一个token的输出表示,喂给一个softmax层得到分类结果输出;对于token-level classification(例如NER),取所有token的最后层transformer输出,喂给softmax层做分类。

总之不同类型的任务需要对模型做不同的修改,但是修改都是非常简单的,最多加一层神经网络即可。如下图所示

image.png
image.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容