自然语言处理：XLNet 模型

最新推荐文章于 2024-10-08 07:40:16 发布

空腹熊猫

最新推荐文章于 2024-10-08 07:40:16 发布

阅读量716

点赞数

分类专栏：自然语言处理

本文链接：https://blog.csdn.net/guangyacyb/article/details/105465698

版权

自然语言处理专栏收录该内容

10 篇文章 1 订阅

订阅专栏

论文

XLNet: Generalized Autoregressive Pretraining for Language Understanding

开源代码

xlnet

模型介绍

语言模型划分为

自回归语言模型（Autoregressive LM），根据上文预测下文，或反过来（例如GPT）
自编码语言模型（Autoencoder LM），同时利用上下文，例如bert

bert 模型缺点

要引入mask，使得预训练和和fine-tuning阶段不一致（tuning阶段没有mask）
若多个单词被mask掉，则无法学习到这部分单词的相互关系

XLNet 模型的改进：

相比bert在输入引入mask，XLNet引入双流注意力机制和attention mask，是模型内部的mask（掩码矩阵），这样在输入看起来还是从前往后的预测，即自回归。

如何利用上下文

XLNet 属于自回归语言模型，如果想同时利用上下文，XLNet做法是将词语随机排列（permutation），然后选取其中一些排列作为样本，例如一句话：[x1, x2, x3, x4]，所有可能的排列方式有：

[('x1', 'x2', 'x3', 'x4'),
 ('x1', 'x2', 'x4', 'x3'),
 ('x1', 'x3', 'x2', 'x4'),
 ('x1', 'x3', 'x4', 'x2'),
 ('x1', 'x4', 'x2', 'x3'),
 ('x1', 'x4', 'x3', 'x2'),
 ('x2', 'x1', 'x3', 'x4'),
 ('x2', 'x1', 'x4', 'x3'),
 ('x2', 'x3', 'x1', 'x4'),
 ('x2', 'x3', 'x4', 'x1'),
 ('x2', 'x4', 'x1', 'x3'),
 ('x2', 'x4', 'x3', 'x1'),
 ('x3', 'x1', 'x2', 'x4'),
 ('x3', 'x1', 'x4', 'x2'),
 ('x3', 'x2', 'x1', 'x4'),
 ('x3', 'x2', 'x4', 'x1'),
 ('x3', 'x4', 'x1', 'x2'),
 ('x3', 'x4', 'x2', 'x1'),
 ('x4', 'x1', 'x2', 'x3'),
 ('x4', 'x1', 'x3', 'x2'),
 ('x4', 'x2', 'x1', 'x3'),
 ('x4', 'x2', 'x3', 'x1'),
 ('x4', 'x3', 'x1', 'x2'),
 ('x4', 'x3', 'x2', 'x1')]

随机选择几条排列：

('x1', 'x2', 'x4', 'x3'),
('x1', 'x4', 'x3', 'x2'),
('x2', 'x3', 'x4', 'x1'),
('x4', 'x2', 'x3', 'x1'),
('x3', 'x2', 'x4', 'x1'),

对于单词t3而言，t1,t2,t4 都可能在它前面出现，这样就同时利用了上下文。

双流注意力机制（Two-Stream Self-Attention）

根据上下文预测某个位置的单词，bert用的是mask，使得预训练和和fine-tuning阶段不一致。XLNet 利用了双流注意力，其中一个是内容流注意力机制（content stream attention），另一个是查询流注意力机制（query stream attention）。前者用于学习每个单词的表示，后者用于预测某个单词的出现，例如对于t3的预测，前者应该包含t3，后者则应该包含t3之前的单词还有t3的位置。正是查询流注意力机制 + Attention mask 取代了bert的mask。

如图所示，左下方学习的是t1的查询表示，因此用到的是t1之前的单词还有t1的位置。左上方学习的是t1的内容表示，所以用到t1自身还有之前的词，这也就是双流注意力机制。双流是因为每个词在训练任务中有两个角色，一个是被预测，一个是用于预测其他词。所以这个学习学的是两个表示，g：只包含位置信息，h：包含了内容信息；

右边是整个网络的结构，其中涉及两个掩码矩阵，上面的content 掩码矩阵包含了对角元素，即词语自身，用于单词内容表示（content representation）的学习；另一个query 掩码矩阵不包含对角元素，用于查询表示（query representation）的学习。经过两层结构，根据最终内容表示的输入作为单词的预测。