CPT模型：一种中文兼顾NLU和NLG的非平衡预训练语言模型

最新推荐文章于 2023-03-08 11:50:14 发布

刘聪NLP

最新推荐文章于 2023-03-08 11:50:14 发布

阅读量1k

点赞数

文章标签： transformer 深度学习自然语言处理

本文链接：https://blog.csdn.net/lc_love_ty/article/details/125233661

版权

写在前面

大家好，我是刘聪NLP。

前几天在做生成任务的时候，在Github里搜索「中文BRAT模型」，一下搜到了复旦大学邱锡鹏老师组的「CPT」（Chinese Pre-trained Unbalanced Transformer）论文，并且在该论文中开源了中文的BART模型（感恩）。

个人在自己的对话生成任务上进行了简单的实验，发现CPT模型在某些任务上，不仅效果好，生成推理速度也很快，所以在此分享给大家。

paper：https://arxiv.org/pdf/2109.05729.pdf
github：https://github.com/fastnlp/CPT

介绍

自2018年BERT模型横空出世，预训练语言模型基本上已经成为了自然语言处理领域的标配，而目前的很多预训练语言模型不能很好地兼顾在NLU任务和NLG任务。如下表所示，以Transformer-Encoder结构为主的预训练语言模型，BERT、RoBERTa、ZEN、NEZHA、ERNIE-1.0/2.0等模型在NLU任务上表现更突出；以Transformer-Decoder结构为主的预训练语言模型GPT、CPM等模型在无条件NLG任务上表现更突出；以Transformer-Encoder-Decoder结构为主的预训练语言模型CPM-2、BART、T5等模型在有条件NLG任务上表现更突出。

有人会说：有一些其他的统一模型可以兼顾NLU任务和NLG任务。不要急，后面会进行对比介绍。

而在该篇论文中，提出了一种新的中文预训练非平衡变压器CPT，它同时适用于NLU和NLG任务。

模型结构

CPT的架构非常简单，它将完整Transformer的Encoder-Decoder结构进行改变，如下图所示，

主要由三个部分组成:

共享编码器(S-Enc):其结构为深层Transformer-Encoder，目的是获取用于语言理解和生成的通用语义表示。
理解解码器(U-Dec):其结构为浅层Transformer-Encoder，专为NLU任务设计，U-Dec的输入是S-Enc的输出，并通过MLM（masked language modeling）任务进行预训练。
生成解码器(G-Dec):其结构为浅层Transformer-Decoder，为NLG任务设计，适合处理条件生成任务，并通过DAE（denoising auto-encoding）任务进行预训练。

通过多任务的联合预训练，CPT模型能够分别提高语言理解能力和生成能力。由于采用较深的共享编码器(S-Enc)和两个较浅的解码器(U-Dec、G-Dec)，在ULN任务上计算成本不变，但在生成任务上，「浅层解码器可以更快地推理生成」。

简单地，可以理解为，将BERT模型和BART模型放到了一起，共有前六层参数，后六层参数，分别用各自模型的。当然CPT模型编码器和解码器层数不平衡，并且这种不平衡操作已经在机器翻译和纠错任务上得到验证(可见原文参考文献)。

与其他统一模型的区别

「与Unilm模型的区别」 UniLM模型使用一组不同的attention mask机制进行预训练，这使得该模型可用于生成和分类任务。不同之处在于，UniLM模型的所有参数都在生成和判别任务上是共享的，而CPT使用两个独立的解码器，CPT可以利用很好地利用DAE预训练任务，训练更好地解码器，用于生成任务。
「与GLM模型的区别」 GLM模型与UniLM模型相似，使用了不同的attention mask机制和修改掩码内容的位置信息进行预训练。
「与PALM模型的区别」 PALM是一个专注于条件生成的预训练模型。为了迫使编码器理解给定上下文的含义，MLM被添加到预训练的编码器中。相比之下，CPT有一个单独的解码器可以避免DAE带来的负面影响。可以在NLU任务上也具有良好的性能。
「与ERNIE3.0模型的区别」 ERNIE3.0模型虽然使用了通用编码器和几种针对特定任务的解码器，但采用了Transformer-XL结构为骨干，并生成部分的预训练任务为左至右单向语言模型任务，而CPT采用编码器-解码器架构，更适合Seq2Seq任务。

预训练

共使用MLM和DAE两种任务进行模型预训练，如下：

MLM任务：采用MLM任务预训练S-Enc和U-Dec的参数。给定一个句子，采用全词掩码的技术，用[MASK]标记掩盖掉句子中原有15%的词语，并按照原始BERT的设置，仅有80%用特殊的[MASK]标记替换，有10%用字典中随机标记替换，有10%保持不变。
DAE任务：采用破坏原始文本再重构原始文本的方式，预训练S-Enc和U-Dec的参数。通过两种方法来破坏原始文本，如下：（1）Token Infilling：将选定的全词使用一个[Mask]标记替换;（2）Sentence Permutation：按标点切分文本后，将句子顺序随机打乱。

微调

由于CPT模型有两个解码器，因此在不同任务上，存在多种微调的形式，详细如下。

文本分类任务

在文本分类任务上，共有5种微调方式，如下图所示，

：与BERT模型模式一致。将U-Dec模块的[CLS]向量接入全连接层，进行分类。
：与BART模型模式一致。将相同的文本输入S-Enc和G-Dec模块中，将G-Dec模块的最终输出[SEP]向量接入全连接层，进行分类。
：将相同的文本输入S-Enc和G-Dec模块中，将U-Dec模块的[CLS]向量与G-Dec模块的最终输出[SEP]向量进行拼接，再接入全连接层，进行分类。
：与BERT-Prompt方式一致，构造手工输入模板，将[Mask]标签预测到分类标签字符上，最终获取分类类别。
：将文本输入到S-Enc块中，用G-Dec模块进行分类标签字符预测，最终获取分类类别。

下表为五种方法，在CLUE不同数据集上的结果，可以发现，不同数据集上，微调方式的效果，略有不同，但是整体上，针对于base模型，方式更好；针对于large模型，方式更好。（下面在测试集上，均取上述策略作为微调策略）

在CLUE上5种分类数据集上测试集结果，如下表所示，可以看出，大部分好于BERT以及RoBERT模型。

序列标注任务

与文本分类任务相似，包含三种微调策略，、和，下图仅展示了和

：与BERT模型模式一致。将U-Dec模块的每个字符向量进行分类，得到序列标签。
：与BART模型模式一致。将相同的文本输入S-Enc和G-Dec模块中，将G-Dec模块的每个字符向量进行分类，得到序列标签。
：将相同的文本输入S-Enc和G-Dec模块中，将U-Dec模块的每个字符向量与G-Dec模块的每个字符向量进行拼接，再进行分类，得到序列标签。从下表中可以看出，在中文分词和命名实体识别任务上，CPT模型均取得了较好的效果。