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

在这里插入图片描述
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。

  • 0
    点赞
  • 2
    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