1 语言模型
语言模型的任务是判断一句话出现的概率(也就是说一句话是不是人说的),可以表示为:
P
(
W
)
=
P
(
w
1
,
w
2
,
.
.
.
w
n
)
P(W)=P(w_1,w_2,...w_n)
P(W)=P(w1,w2,...wn)
使用链式法则求概率:
P
(
W
)
=
P
(
w
1
,
w
2
,
.
.
.
w
n
)
=
∏
i
P
(
w
i
∣
w
1
,
w
2
,
.
.
.
w
i
−
1
)
P(W)=P(w_1,w_2,...w_n)=\prod_iP(w_i|w_1,w_2,...w_{i-1})
P(W)=P(w1,w2,...wn)=∏iP(wi∣w1,w2,...wi−1)
P
(
w
i
∣
w
1
,
w
2
,
.
.
.
w
i
−
1
)
P(w_i|w_1,w_2,...w_{i-1})
P(wi∣w1,w2,...wi−1)计算复杂度非常高。
在马尔科夫假设中,一个词出现的概率只与前一个词相关,那么
P
(
w
i
∣
w
1
,
w
2
,
.
.
.
w
i
−
1
)
=
P
(
w
i
∣
w
i
−
1
)
P(w_i|w_1,w_2,...w_{i-1})=P(w_i|w_{i-1})
P(wi∣w1,w2,...wi−1)=P(wi∣wi−1)
也有n=2,是2元模型
2 语言模型评价指标:Perplexity
句子概率越大,Perplexity越低。也就是说Perplexity低的,语言模型好。
详细信息阅读博客:https://www.cnblogs.com/shona/p/10827339.html
3 基于神经网络的语言模型
模型学习任务是:根据当前词,猜测下一个词。
用神经网络学习到概率P。
3.1 RNN
梯度消失和梯度爆炸问题:
1 在反向传播过程中有连续相乘的操作
2 如果相乘的值大于1,那么就可能发生梯度爆炸。解决:截断
3 如果相乘的值小于1,那么就可能发生梯度消失。解决:使用Relu(x) = max(0,x)
还有距离远的信息不容易被RNN保留。
3.2 LSTM
忘记门
输入门
更新门
输出门
3.3 GRU
GRU是LSTM的改进,参数量更少。
4 优化函数
交叉熵损失函数
5 模型代码
class RNNModel(nn.Module):
'''一个简单的循环神经网络'''
def __init__(self, rnn_type, vocab_size, embedding_size, hidden_size, nlayers, dropout=0.5):
'''
:param rnn_type: LSTM/GRU
:param vocab_size: 词库大小
:param embedding_size:
:param hidden_size:
:param nlayers: 纵向有多少层神经网络
:param dropout:
'''
super(RNNModel, self).__init__()
self.drop = nn.Dropout(dropout)
self.embedding = nn.Embedding(vocab_size, embedding_size)
if rnn_type in ['LSTM', 'GRU']:
# getattr(nn, rnn_type) 相当于 nn.rnn_type
self.rnn = getattr(nn, rnn_type)(embedding_size, hidden_size, nlayers, dropout=dropout)
else:
try:
nonlinearity = {'RNN_TANH': 'tanh', 'RNN_RELU': 'relu'}[rnn_type]
except KeyError:
raise ValueError("""An invalid option for `--model` was supplied,
options are ['LSTM', 'GRU', 'RNN_TANH' or 'RNN_RELU']""")
self.rnn = nn.RNN(embedding_size, hidden_size, nlayers, nonlinearity=nonlinearity, dropout=dropout)
# 全连接层
self.decoder = nn.Linear(hidden_size, vocab_size)
self.init_weights()
self.rnn_type = rnn_type
self.embedding_size = embedding_size
self.hidden_size = hidden_size
self.nlayers = nlayers
def init_weights(self):
init_range = 0.1
self.embedding.weight.data.uniform_(-init_range, init_range)
self.decoder.bias.data.zero_()
self.decoder.weight.data.uniform_(-init_range, init_range)
def forward(self, input, hidden):
'''
一个神经网络
:param input:一个序列的词,input.shape = seq_len*batch_size = 50*32
:param hidden:hidden = (nlayers * 32 * hidden_size, nlayers * 32 * hidden_size)
:return:
'''
# hidden是个元组,输入有两个参数,一个是刚开始的隐藏层h的维度,一个是刚开始的用于记忆的c的维度,
# 这两个层的维度一样,并且需要先初始化,hidden_size的维度和上面nhid的维度一样 =100,我理解这两个是同一个东西。??
embed = self.drop(self.embedding(input)) # emb.shape=torch.Size([seq_len, batch_size, hidden_size]) # 输入数据的维度
# 还有一种接参数的方式是:output, (hidden,c_state) = self.rnn(embed, hidden)
output, hidden = self.rnn(embed, hidden) # output.shape = seq_len * batch_size * hidden_size # 最终输出数据的维度
# hidden = (h层维度:nlayers * batch_size * hidden_size, c层维度:nlayers * batch_size * hidden_size)
output = self.drop(output)
# output最后的输出层一定要是二维的,只是为了能进行全连接层的运算。
# 所以把前两个维度拼接在一起:(seq_len * batch_size) * hidden_size
decoded = self.decoder(output.view(output.size(0) * output.size(1), output.size(2))) # (seq_len * batch_size) * vocab_size
# 我们需要知道每个位置预测的下一个单词是哪个,pred形状:seq_len * batch_size * vocab_size
pred = decoded.view(output.size(0), output.size(1), decoded.size(1))
return pred, hidden
def init_hidden(self, bsz, requires_grad=True):
# 初始化隐藏的参数
weight = next(self.parameters())
if self.rnn_type == 'LSTM':
return (weight.new_zeros((self.nlayers, bsz, self.hidden_size), requires_grad=requires_grad),
weight.new_zeros((self.nlayers, bsz, self.hidden_size), requires_grad=requires_grad))
else:
return weight.new_zeros((self.nlayers, bsz, self.hidden_size), requires_grad=requires_grad)
# GRU 神经网络把h层和c层合并了,所以这里只有一个参数
6 用途与评价
评价语言模型一个是使用perplexity指标。另外一个是使用模型生成一段文本,看下通畅度。