NLP（十二）：Transformer-XL和XLNet

1.Transformer-XL

Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context（Google）（ICLR 2019 被拒）基于一种相对位置编码方式建立循环的transformer建模机制，解决长文本的建模，捕获超长距离依赖。

1.1 Vanilla Transformer

在BERT等训练模型中处理的文本序列默长度是512，如果文本序列长度短于固定长度，可以通过填充的方式来解决。但如果序列长度超过固定长度，处理起来就比较麻烦。为了应对序列长度超过固定长度的情况，Vanilla Transformer把长文本的输入切分成多个Segment，但训练的时候，对每个segment单独处理，segments之间没有联系。因此该模型存在以下问题：

1）最长依赖取决于segment长度
2）不同segment之间不传递信息
3）固定大小切分造成语义碎片

为了充分利用上下文关系，在每做完一次预测之后，就对整个序列向右移动一个位置，再做一次计算，如上图(b)所示，这导致计算效率非常低。

1.2 循环机制

为了解决Vanilla Transformer滑动的方式计算效率低的问题，在模型中加入循环机制。