搜出来的文本:基于BERT的文本采样

©PaperWeekly 原创 · 作者|苏剑林

单位|追一科技

研究方向|NLP、神经网络

从这一篇开始,我们就将前面所介绍的采样算法应用到具体的文本生成例子中。而作为第一个例子,我们将介绍如何利用 BERT 来进行文本随机采样。所谓文本随机采样,就是从模型中随机地产生一些自然语言句子出来,通常的观点是这种随机采样是 GPT2、GPT3 这种单向自回归语言模型专有的功能,而像 BERT 这样的双向掩码语言模型(MLM)是做不到的。

事实真的如此吗?当然不是。利用 BERT 的 MLM 模型其实也可以完成文本采样,事实上它就是上一篇文章所介绍的 Gibbs 采样。这一事实首先由论文《BERT has a Mouth, and It Must Speak: BERT as a Markov Random Field Language Model》[1] 明确指出。论文的标题也颇为有趣:“BERT 也有嘴巴,所以它得说点什么。”现在就让我们看看 BERT 究竟能说出什么来。

采样流程

首先,我们再次回顾上一篇文章所介绍的 Gibbs 采样流程:

Gibbs 采样:

初始状态为 ,t 时刻状态为

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值