手撕 BiLSTM-CRF

最新推荐文章于 2023-08-15 11:33:35 发布

XB_please

最新推荐文章于 2023-08-15 11:33:35 发布

阅读量507

点赞数

分类专栏： nlp 文章标签： bilstm-crf 机器学习 deep learning

原文链接：https://zhuanlan.zhihu.com/p/97676647

版权

nlp 专栏收录该内容

11 篇文章 1 订阅

订阅专栏

文章转载自：
虎哥：https://zhuanlan.zhihu.com/p/97676647
如有侵权，联系删除

零、Introduction

本文要介绍的是NLP序列标注领域近年来最经典的文章，百度研究院出品的《Bidirectional LSTM-CRF Models for Sequence Tagging》

本文专注于"手撕"这个模型的【代码和推导细节】，所有背景知识一概省略

一、路线图

Talk is cheap, 直接看代码
链接: https://gist.github.com/koyo922/9300e5afbec83cbb63ad104d6a224cf4

简化解构如下, 我会大致按照执行顺序来讲解:

1 从__main__入手；了解主流程，即构造训练数据集和模型对象
2 模型训练
其中涉及求loss neg_log_likelihood()
CRF的分子_score_sentence();
CRF的分母_forward_alg(); 顺便介绍用到的log_sum_exp()
3 模型推断, 就是前向运算 forward()
其中涉及维特比解码_viterbi_decode()

def log_sum_exp(smat): # 模型中经常用到的一种路径运算的实现
    ...

class BiLSTM_CRF(nn.Module):
    def neg_log_likelihood(self, words, tags):  # 求负对数似然，作为loss
        ...

    def _score_sentence(self, frames, tags): # 求路径pair: frames->tags 的分值
        ...

    def _forward_alg(self, frames): # 求CRF中的分母"Z", 用于loss
        ...

    def _viterbi_decode(self, frames): # 求最优路径分值 和 最优路径
        ...

    def forward(self, words):  # 模型inference逻辑
        ...

if __name__ == "__main__":
    training_data = [...] # 准备好训练数据和模型
    model = BiLSTM_CRF(...)
    ...

    optimizer = optim.SGD(model.parameters(), lr=0.01, weight_decay=1e-4)
    for epoch in range(300): # 训练300个epoch
        for words, tags in training_data:
            model.zero_grad()
            model.neg_log_likelihood(words, tags).backward()
            optimizer.step()

    # 观察训练后的inference结果
    with torch.no_grad(): print(model(training_data[0][0]))

二、参数估计(Parameter Estimation)

沿着执行顺序看，__main__下面的主流程就是构造训练数据集和模型对象，然后训练，然后推断；不多说。

看训练逻辑
https://gist.github.com/koyo922/9300e5afbec83cbb63ad104d6a224cf4#file-bilstm_crf-py-L78-L83

def neg_log_likelihood(self, words, tags):  # 求一对 <sentence, tags> 在当前参数下的负对数似然，作为loss
    frames = self._get_lstm_features(words)  # emission score at each frame
    gold_score = self._score_sentence(frames, tags)  # 正确路径的分数
    forward_score = self._forward_alg(frames)  # 所有路径的分数和
    # -(正确路径的分数 - 所有路径的分数和）;注意取负号 -log(a/b) = -[log(a) - log(b)] = log(b) - log(a)
    return forward_score - gold_score

首先使用LSTM求出了每一帧对应到每种tag的"发射【分值】矩阵" frames(注意不是【概率】！！！ ,这里加起来和不为1；注意CRF跟HMM/MEMM的区别)
然后，基于frames和当前的CRF层参数，可以求出指定隐状态路径tags对应的分值gold_score
然后，不限定隐状态路径，求出所有路径对应分值之和 forward_score
最后，根据CRF模型定义，两者相减即可

在这里插入图片描述

2.1 CRF的分子对数 _score_sentence()

上述 $log(\Psi(tags, words))$ 可通过函数 _score_sentence()求解

根据CRF模型定义，推导如下:

在这里插入图片描述

对应代码

def _score_sentence(self, frames, tags):
    tags_tensor = self._to_tensor([START_TAG] + tags, self.tag2ix)
    score = torch.zeros(1)
    for i, frame in enumerate(frames):  # 沿途累加每一帧的转移和发射
        score += self.transitions[tags_tensor[i], tags_tensor[i + 1]] + frame[tags_tensor[i + 1]]
    return score + self.transitions[tags_tensor[-1], self.tag2ix[END_TAG]]  # 加上到END_TAG的转移

※ 注意到上述推导过程中，我在 $\Sigma$ 外面套了一层中括号。
这是为了避免歧义. 例如: $\sum_{i=1}^3 ai+c$ 到底是指 $a 1 + a 2 + a 3 + c$ 还是 $(a 1 + c) + (a 2 + c) + (a 3 + c)$ 呢?

这里字母 $c$ 不含下标，通常按照前一种方式理解即可。
符号简单的时候，还勉强能看出来；如果复杂一点呢？
相信很多同学都有类似的被晦涩而充满歧义的数学表达坑过的惨痛经历。

古文是没有断句的，要靠读者的经验来消歧；古人不以糊涂草率为耻，反而将这种所谓“技能”美其名曰“句读”。 e.g. 子曰“民可使由之不可使知之”。断成“民可使由之，不可使知之” v.s. “民可使，由之；不可使，知之”；截然相反的歧义。

如果把代码比作“白话文”，则数学公式表达类似于“文言文”，而且是还没断句的那种。
呼吁大家：从我做起，尽力改善数学表达的可读性

期望能早日看到这个领域的 “胡适、鲁迅、陈独秀、蔡元培”们站出来改善这一局面；目前我能想到的有以下几个方向，抛砖引玉，欢迎讨论补充:

主动消歧:
变量复用:
合理命名:
尽量使用大家习惯的符号，避免滥用 $n, a, b, i, j, . . .$ 之类的无意义变量
尽量使用容易猜到含义的首字母或者希腊字母作为变量名 e.g. $I - > I n i t i a l, T - > T r a n s i t i o n, E - > E m i s s i o n, L - > L e n g t h, △ - > D i f f e n r e n c e$
必要时，使用多字母的变量名(e.g. “head/tail”), 甚至导入辅助概念(第一枚硬币的颜色 “red/black”) 也是可以的
充分注解:

在这里插入图片描述

2.2 CRF的分母 _forward_alg()

分母对数 = $log[\sum_{t\in AllPath} exp(\Psi(t, words))]$

这里有个困难 $t\in AllPath$ 难以穷举。e.g. 设 len(tags)=5且len(words)=10，则 t 的取值空间是 $5^{10}$ 。
换个思路，不再按照 $t$ 求和，而是改为沿着时间轴做DP

思考一下递推关系:

穷举所有长度为L-1的path, 其集合记作 $P^{L-1}$
定义 $α_{i,j} = log[\sum_{y\in P^{i-1}} exp(\Psi(w_{1-i}, y_{1-{i-1}}, y_i = j))]$ ，即"i时刻到状态j"的所有路径分数的log_sum_exp
则有

至此，我们将待求的"分母对数"化成了关于 $α$ 向量的log_sum_exp形式；只要能DP求出 $α$ 向量，问题就得到了解决。 $α$ 的递推关系如下

在这里插入图片描述

根据上述推导，观察【单个状态】 $α_{i-1,j'}->α_{i,j}$ 的递推过程:

已知: $α_{i-1,j'}$ $\forall j'->AllTags$
要求: $α_{i,j}$
做法: 加上 $j^{'} - > j$ 的状态转移分和 $j'->w_i$ 的发射分；
即 $α_{i,j} = log[\sum_{j'} exp(α_{i-1,j'}+j_{j',j}+E_{j,w_i})]$
将上述【单个状态】的推导加以概括，得到【矩阵化】写法; 以1 -> 2时刻为例

在这里插入图片描述

对应代码

def _forward_alg(self, frames):
    """ 给定每一帧的发射分值; 按照当前的CRF层参数算出所有可能序列的分值和，用作概率归一化分母 """
    alpha = torch.full((1, self.n_tags), -10000.0)
    alpha[0][self.tag2ix[START_TAG]] = 0  # 初始化分值分布. START_TAG是log(1)=0, 其他都是很小的值 "-10000"
    for frame in frames:
        # log_sum_exp()内三者相加会广播: 当前各状态的分值分布(列向量) + 发射分值(行向量) + 转移矩阵(方形矩阵)
        # 相加所得矩阵的物理意义见log_sum_exp()函数的注释; 然后按列求log_sum_exp得到行向量
        alpha = log_sum_exp(alpha.T + frame.unsqueeze(0) + self.transitions)
    # 最后转到EOS，发射分值为0，转移分值为列向量 self.transitions[:, [self.tag2ix[END_TAG]]]
    return log_sum_exp(alpha.T + 0 + self.transitions[:, [self.tag2ix[END_TAG]]]).flatten()

def log_sum_exp(smat):
    """
    参数: smat 是 "status matrix", DP状态矩阵; 其中 smat[i][j] 表示 上一帧为i状态且当前帧为j状态的分值
    作用: 针对输入的【二维数组的每一列】, 各元素分别取exp之后求和再取log; 物理意义: 当前帧到达每个状态的分值(综合所有来源)
    例如: smat = [[ 1  3  9]
                 [ 2  9  1]
                 [ 3  4  7]]
         其中 smat[:, 2]= [9,1,7] 表示当前帧到达状态"2"有三种可能的来源, 分别来自上一帧的状态0,1,2
         这三条路径的分值求和按照log_sum_exp法则，展开 log_sum_exp(9,1,7) = log(exp(9) + exp(1) + exp(7)) = 3.964
         所以，综合考虑所有可能的来源路径，【当前帧到达状态"2"的总分值】为 3.964
         前两列类似处理，得到一个行向量作为结果返回 [ [?, ?, 3.964] ]

    注意数值稳定性技巧 e.g. 假设某一列中有个很大的数
    输入的一列 = [1, 999, 4]
    输出     = log(exp(1) + exp(999) + exp(4)) # 【直接计算会遭遇 exp(999) = INF 上溢问题】
            = log(exp(1-999)*exp(999) + exp(999-999)*exp(999) + exp(4-999)*exp(999)) # 每个元素先乘后除 exp(999)
            = log([exp(1-999) + exp(999-999) + exp(4-999)] * exp(999)) # 提取公因式 exp(999)
            = log([exp(1-999) + exp(999-999) + exp(4-999)]) + log(exp(999)) # log乘法拆解成加法
            = log([exp(1-999) + exp(999-999) + exp(4-999)]) + 999 # 此处exp(?)内部都是非正数，不会发生上溢
            = log([exp(smat[0]-vmax) + exp(smat[1]-vmax) + exp(smat[2]-vmax)]) + vmax # 符号化表达

    代码只有两行，但是涉及二维张量的变形有点晦涩，逐步分析如下, 例如:
    smat = [[ 1  3  9]
            [ 2  9  1]
            [ 3  4  7]]
    smat.max(dim=0, keepdim=True) 是指【找到各列的max】，即: vmax = [[ 3  9  9]] 是个行向量
    然后 smat-vmax, 两者形状分别是 (3,3) 和 (1,3), 相减会广播(vmax广播复制为3*3矩阵)，得到:
    smat - vmax = [[ -2  -6  0 ]
                   [ -1  0   -8]
                   [ 0   -5  -2]]
    然后.exp()是逐元素求指数
    然后.sum(axis=0, keepdim=True) 是"sum over axis 0"，即【逐列求和】, 得到的是行向量，shape=(1,3)
    然后.log()是逐元素求对数
    最后再加上 vmax; 两个行向量相加, 结果还是个行向量
    """
    vmax = smat.max(dim=0, keepdim=True).values  # 每一列的最大数
    return (smat - vmax).exp().sum(axis=0, keepdim=True).log() + vmax

三、推断(Inference)

推断逻辑很直观，就是过一遍LSTM拿到每一帧的发射状态分布；然后跑viterbi解码得出最优路径和分值。

def forward(self, words):  # 模型inference逻辑
    lstm_feats = self._get_lstm_features(words)  # 求出每一帧的发射矩阵
    return self._viterbi_decode(lstm_feats)  # 采用已经训好的CRF层, 做维特比解码, 得到最优路径及其分数

3.1 维特比解码 _viterbi_decode()

我假设你熟悉CRF算法；所以viterbi本身不用介绍了。说一下跟前向求CRF分母对数时的小小区别：这里除了要迭代更新 $α$ 以外，还要追踪每一帧的每个状态的最优“上一步”来自于哪里。因此，可以看到第9行的log_sum_exp()上方的第8行还记下了argmax

def _viterbi_decode(self, frames):
        backtrace = []  # 回溯路径;  backtrace[i][j] := 第i帧到达j状态的所有路径中, 得分最高的那条在i-1帧是神马状态
        alpha = torch.full((1, self.n_tags), -10000.)
        alpha[0][self.tag2ix[START_TAG]] = 0
        for frame in frames:
            # 这里跟 _forward_alg()稍有不同: 需要求最优路径（而非一个总体分值）, 所以还要对smat求column_max
            smat = alpha.T + frame.unsqueeze(0) + self.transitions
            backtrace.append(smat.argmax(0))  # 当前帧每个状态的最优"来源"
            alpha = log_sum_exp(smat)  # 转移规律跟 _forward_alg()一样; 只不过转移之前拿smat求了一下回溯路径

        # 回溯路径
        smat = alpha.T + 0 + self.transitions[:, [self.tag2ix[END_TAG]]]
        best_tag_id = smat.flatten().argmax().item()
        best_path = [best_tag_id]
        for bptrs_t in reversed(backtrace[1:]):  # 从[1:]开始，去掉开头的 START_TAG
            best_tag_id = bptrs_t[best_tag_id].item()
            best_path.append(best_tag_id)
        return log_sum_exp(smat).item(), best_path[::-1]  # 返回最优路径分值 和 最优路径

四、总结

本文给出了 BiLSTM-CRF用作序列标注算法的详细推导步骤，并在PyTorch官方教程的基础上修改成了矩阵化写法；同时，给出了一份注释详尽的教学代码。
单步调试跟一遍，相信你会有不小收获。

happy coding, 祝好运！

参考文献

BiLSTM-CRF原文: https://arxiv.org/pdf/1508.01991v1.pdf
PyTorch官方教学代码: https://pytorch.org/tutorials/beginner/nlp/advanced_tutorial.html
矩阵化推导: https://zhuanlan.zhihu.com/p/44042528

XB_please

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
手撕 BiLSTM-CRF

文章转载自：虎哥：https://zhuanlan.zhihu.com/p/97676647如有侵权，联系删除目录网上关于BiLSTM-CRF的资料可谓汗牛充栋；但是扎扎实实给出每一步推导(不跳跃)，并结合每一行代码(包括每处张量运算的注释)的文章，至今未见所以，关于【BiLSTM-CRF的推导和代码部分】你看到的可能是迄今为止最扎实的一个版本注：我假设你已经熟悉了BiLSTM和CR...
复制链接

扫一扫

专栏目录