<ins id="60005"><th id="60005"></th></ins>

        <ins id="60005"></ins>

        首頁人工智能技術資訊正文

        Bert算法:語言模型-BERT詳細介紹

        更新時間:2020-09-07 來源:黑馬程序員 瀏覽量:

        本文的目的是向NLP愛好者們詳細解析一個著名的語言模型-BERT。 全文將分4個部分由淺入深的依次講解。

        1.Bert簡介

        BERT是2018年10月由Google AI研究院提出的一種預訓練模型。

        BERT的全稱是Bidirectional Encoder Representation from Transformers。BERT在機器閱讀理解頂級水平測試SQuAD1.1中表現出驚人的成績: 全部兩個衡量指標上全面超越人類,并且在11種不同NLP測試中創出SOTA表現,包括將GLUE基準推高至80.4% (絕對改進7.6%),MultiNLI準確度達到86.7% (絕對改進5.6%),成為NLP發展史上的里程碑式的模型成就。

        2.關于Bert的模型架構

        總體架構:如下圖所示, 最左邊的就是BERT的架構圖,可以很清楚的看到BERT采用了Transformer Encoder block進行連接, 因為是一個典型的雙向編碼模型。

        BERT01

        BERT02


        3.1 關于Bert訓練過程中的關鍵點

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

        a. Pre-trained: 首先明確這是個預訓練的語言模型,未來所有的開發者可以直接繼承!

        整個Bert模型最大的兩個亮點都集中在Pre-trained的任務部分。

        b. Deep

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

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

        對比于Transformer: Layer = 6, Hidden = 2048, Head = 8,是個淺而寬,說明Bert這樣深而窄的模型效果更好(和CV領域的總體結論基本一致)。

        C. Bidirectional Transformer: Bert的個創新點,它是個雙向的Transformer網絡。

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

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

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

        詞嵌入張量: word embeddings

        語句分塊張量: segmentation embeddings

        位置編碼張量: position embeddings

        最終的embedding向量是將上述的3個向量直接做加和的結果。

        3.3: Bert的預訓練中引入兩大核心任務 (這兩個任務也是Bert原始論文的兩個最大的創新點)

        a 引入Masked LM(帶mask的語言模型訓練)

        a.1 在原始訓練文本中,隨機的抽取15%的token作為即將參與mask的對象。

        a.2 在這些被選中的token中,數據?生成器?并不不是把他們全部變成[MASK],?而是有下列列3個選擇:

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

        a.2.2 在10%的概率下, ??個隨機的單詞替換該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在訓練的過程中, 并不知道它將要預測哪些單詞? 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習該token的分布式上下文的語義, 盡最大努力學習原始語言說話的樣子!!! 同時因為原始文本中只有15%的token參與了MASK操作, 并不會破壞原語言的表達能力和語言規則!!!

        b 引入Next Sentence Prediction (下?句話的預測任務)

        b.1 目的是為了服務問答,推理,句?主題關系等NLP任務。

        b.2 所有的參與任務訓練的語句都被選中參加。

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

        ·50%的B是原始?本中隨機抽取的?句話。(標記為NotNext,代表負樣本)

        b.3 在該任務中,Bert模型可以在測試集上取得97-98%的準確率。

        3.4 關于基于Bert的模型微調(fine-tuning)

        只需要將特定任務的輸入,輸出插入到Bert中,利用Transformer強大的注意力機制就可以模擬很多下游任務。(句子對關系判斷,單文本主題分類,問答任務(QA),單句貼標簽(命名實體識別))

        微調的若干經驗:

        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

        BERT03

        4、Bert模型本身的優點和缺點。 


        優點: Bert的基礎建立在transformer之上,擁有強大的語言表征能力和特征提取能力。在11項 NLP基準測試任務中達到了state of the art。同時再次證明了雙向語言模型的能力更加強大。

        缺點:
        1)可復現性差,基本沒法做,只能拿來主義直接用!
        2)訓練過程中因為每個batch_size中的數據只有15%參與預測,模型收斂較慢,需要強大的算力支撐!

        引申:

        1)深度學習就是表征學習 (Deep learning is representation learning)

        ·整個Bert在11項語言模型大賽中,基本思路就是雙向Transformer負責提取特征,然后整個網絡加一個全連接線性層作為fine-tuning微調。但即便如此傻瓜式的組裝,在NLP中著名的難任務-NER(命名實體識別)中,甚至直接去除掉了CRF層,照樣大超越BiLSTM + CRF的組合效果, 這去哪兒說理去???

        2)規模的極端重要性 (Scale matters)

        不管是Masked LM,還是下一句預測Next Sentence Prediction,都不是首創的概念,之前在其他的模型中也提出過,但是因為數據規模+算力局限沒能讓世人看到這個模型的潛力,那些Paper也就不值錢了。但是到了谷歌手里, 不差錢的結果就是Paper值錢了!!

        3)關于進一步的研究展示了Bert在不同的層學習到了什么。

        ·低的網絡層捕捉到了短語結構方面的信息。

        ·單詞和字的特征表現在3-4層,句法信息的特征表現在6-9層,句?語義信息的特征表現在10-12層。

        ·主謂一致的特征表現在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!

        分享到:
        在線咨詢 我要報名
        和我們在線交談!

        色资源在线亚洲图片激情第一页日韩精品福利片午夜免费观着欧洲精品色在线观看