【论文笔记】Retro-Reader：基于回溯式阅读器的机器阅读理解模型

最新推荐文章于 2022-03-03 16:51:30 发布

HicSuntLeones

最新推荐文章于 2022-03-03 16:51:30 发布

阅读量1k

点赞数 1

分类专栏： NLP：好像懂了又好像没懂又好像懂了文章标签： acl nlp

本文链接：https://blog.csdn.net/m0_46522688/article/details/114906374

版权

NLP：好像懂了又好像没懂又好像懂了同时被 2 个专栏收录

14 篇文章 4 订阅

订阅专栏

论文阅读笔记

13 篇文章 1 订阅

订阅专栏

Zhuosheng Zhang, Junjie Yang, Hai Zhao, Department of Computer Science and Engineering, Shanghai Jiao Tong University, Retrospective Reader for Machine Reading Comprehension

论文原文：https://arxiv.org/pdf/2001.09694v4.pdf
源码：https://github.com/cooelf/AwesomeMRC （**official）

当前是 SQuAD 上第四名的成绩（2020/3/16）看了看作者主页应该是被 AAAI2021 接收了

文章目录

1 introduction

当前大多机器阅读理解模型大多建立在（所给定的问题都是可以回答的 = 在原文的某一个范围内一定存在答案）的假设上，但是真实的业务场景并不如此。举个例子（来自 SQuAD2.0 MRC task）：

此时要求机器能够判别当前的问题是否真的是可以回答的，而不是对于任何问题都勉强给出一个似是而非的答案。基于此我们的主要任务包括：1）检查问题的可回答性 answerability 2）对可以回答的问题再作进一步的阅读理解

也就是说此时除了传统的 MRC 所重点关注的 encoder 模块，我同时需要一个 verification 的部分来区分这些不可回答的问题，而当前的大多数模型要么直接假设所有的问题都是可以回答的，要么就是单纯地将所有的 verification 的模块简单地集成入了 encoder 或者 decoder 的部分，而这样的操作往往效果不是很好

传统的 MRC 模型主要包括以下几个结构设计：

直接的 encoder + decoder 的模型，也就是说此时认为所有的问题都是可以回答的，直接不对本身的问题作 verification
将 verification 的部分包括在 encoder 内或者 decoder 内，但相对地效果不佳

本文考虑一种新的架构：
在这里插入图片描述

来考虑一下真的人类是怎么做的：先通读一遍文章 + 再重新回到文章中进行精度进一步确认答案。基于人类的行为，这里提出一个新的模型 retrospective reader (Retro-Reader)，主要执行以下两个步骤：

粗略地阅读文章，并掌握文章和问题之间的关系，给出一个初始的判断
进一步精度文章，再验证答案并给出最后的预测

简单表示如下：
在这里插入图片描述

2 Our Proposed Model 模型介绍

2.1 overview

这里主要关注的还是抽取式的阅读理解问题（ span-based MRC task），也就是目标为在文档中划出一个 span 来作为答案。

也就是说此时给定的信息为一个 <文章 P ，问题 Q，答案 A > 的三元组，则此时我们的任务是 1）从给定的文章 P 中进行 A 开始和结束位置的预测 = 在文中划出一个 span 作为候选答案 2）或对于不可回答的问题，回复一个 null 表示此问题本身是得不到答案的

本文将阅读理解任务分为两个阶段（two-stage reading process）：

sketchy reading：通过略读大概掌握关系并给出一个粗糙的判断，这一步的主要目标是初步判断这个问题是不是可以回答的
intensive reading：通过精读进一步得到候选答案（也就是得到 answer span）+ 最后判断问题是否是可以回答的 + 给出最后的预测

整体模型结构如下：
在这里插入图片描述

3.2 Sketchy Reading Module 泛读模块

Embedding

这部分的目标是通过一些预训练模型得到 P 文章和 Q 问题的向量表示（embedding），将两个向量表示作拼接，再将这些表示作为输入扔给后面的部分

具体来说，首先将输入的句子通过 tokenizer 切割为词语 / subword，比如此时切割为 n 个，记作 $T = \{t_1, ... , t_n\}$ ；每一个 subword 的 token 都是三个部分的加和：自身的 token + 位置 embedding + token 类型 embedding，设最后的输出为 $X = \{x_1 ,x_2, ... , x_n\}$

Interaction

将上一步 embedding 得到的最后输出 X 作为输入，目标为得到输入的上下文表示

这里可以通过一个多层 Transformer（multi-layer Transformer）的 encoder 部分来实现（本身 Transformer 就是编码器 - 解码器的结构，Transformer 详解戳这里），设最后一个隐藏层的输出为 $H = \{h_1,h_2,...,h_n\}$

External Front Verification （E-FV）

得到上一步给出的上下文表示，可以认为此时机器已经完成了通读任务，但是此时需要机器给出一个粗糙的判断，此时通过 E-FV 来构造一个二分类器，让机器来初步判断此时的问题是不是可以回答的

这里的输入是上一层输出的隐藏层的值 H，将 H 的第一个 token，也就是 [CLS] 对应的部分，也就是 h1 作为整个序列的表示，直接扔进一个全连接层（注意不是扔全部的 H，只要 h1 部分就行）来判断此时的问题是否是可以回答的。给出的输出是预测概率 $\hat{y_i}$ ： $\hat{y_i}\varpropto softmax(FFN(h_1))$

用交叉熵函数来训练：
在这里插入图片描述
注意这里同时计算了一个 external verification score，在后面的部分会用到这个值： $score_{ext} = logit_{na} - logit_{ans}$ ，注意这里的 na 表示问题不能回答，ans 表示可以回答

3.3 Intensive Reading Module 精读模块

这一部分的模型需要完成：

最后拍板到底是不是可以回答的问题
给出候选答案，也就是预测 span
给出最后的预测结果

Embedding + interaction

和前面略读部分是一样的（原理一样但并不是共享参数，是两个独立训练的部分），最后获得文章 P 和问题 Q 的上下文表示 $H$ ，但是注意到和普通的 BERT 模型之流不一样的地方在于，此时并不是直接将上下文表示送进一个线性层来预测结果，而是后续备用继续处理

个人感觉这里不太对，问题在于等于要作两遍上下文表示训练，因为本身这个模型的略读和精读模块就是并行的，只是将它们的输出做了一个融合，而并不是让它俩耦合从而存在一种互相依赖的关系，则这里的两个上下文表示应该是并行训练的，这内存消耗（一言难尽（

Question-aware Matching

此时的输入是 embedding + interaction 得到的表示 H，首先注意到 H 本身是带有位置 embedding 的，将 H 分为两个部分，分别对应文章 $H^P$ 和问题对应的 $H^Q$ （或者说这里的输入表示本身就是 $[C L S], Q, [S E P] P, [S E P]$ 的形式，切分还是很方便的）

这里想要作 question aware，这里可以用如下两个注意力：（先了解相关背景知识再往下看，注意力机制详解戳这里）

交叉注意力 multi-head cross attention (CA)：
这里实际上是一个多头注意力，查询向量为 $H^P$ ，键K = 值V = $H$
- 这里的 Q 共有 p 个 token，此时也就是 p*d 的维度（d 是 embedding 的维度），此时是多头注意力，也就相当于存在 p 个查询向量，每一个向量都能够对应得到一个注意力分布，得到一个综合后的 V = H 的表示，也就是一个向量
- 这里的多头注意力的最后的输出的维度应该是和 $H^P$ 相同的，可以看作是一个文章 embedding 经过 question 的注意力后的一个表示

匹配注意力 Matching Attention：
实际上也就是一个普通的注意力模块，利用问题表示 $H^P$ 来计算 H 的注意力分布
- 这里的 H 的注意力后的表示计算如下，W b 可学习，e 是一个全是 1 的向量
- 和前面不同的是这里直接用 $H^Q$ 作为整个查询，也就是说最后得到的表示和 H 本身是同大小的，可以认为这里得到的 H‘ 是一个 passage + question 集合的上下文表示 H 对应的 question 注意力后的表示
- 这里有个问题：

对于matching attention 最后得到的 H’ 应该是和 H 相同大小的，也就是问题的维度 +
文章的维度，但是后面的预测需要的大小应该是和 $H^P$ 同大小的，原论文直接把这里的 H‘ 扔进后续部分了是咋搞的（。难道是直接取了 H‘ 对应的前面的 $H^P$ 的部分（？
如果有思路欢迎交流指正 ~

Span Prediction

将上面得到的 H’ 扔进来预测候选答案，也就是确定 span

具体操作也就是扔进一个全连接层 + softmax 输出每一个 token 分别是 start 位点和 end 位点的概率 $\varpropto softmax(FFN(H'))$

这里的损失函数还是用的交叉熵函数：

这里对应的 $y_i^s$ 也就是第 i 个位置到底是不是 gold answer 的开始位点的 0-1 标签，后面的 $y_i^e$ 同理

Internal Front Verification （I-FV）

再来进一步确认这个问题是不是可以回答的，输入为上面得到的表示 $H^{'}$ 的第一个表示 $h_1$ ，将 h1 扔进一个全连接层，再通过（基于分类方法）或（基于回归方法）得到最终的概率

这里还是给定几个可选的方法：

直接作 softmax：也就是将全连接层的输出通过一个 softmax，再利用交叉熵进行训练
用二元交叉熵函数作损失函数：也就是说这里通过一个 sigmoid：
用回归 regression 的思想来处理：直接用 MSE 来作损失函数：
注意到这里实际上我们存在两个任务 → 也就是预测是否是可以回答的问题，一个是确定此时的答案 span，则此时的最终损失函数应该是 verification 部分的损失函数和 answer predicate 两个部分的损失函数：

这里以某一个权重 αi 来对两个损失函数作融合

Threshold-based Answerable Verification

最后拍板问题是不是可回答的

此时令该问题对应的文章中各个 token 为开始 / 结束位置的概率的向量分别为 s 和 e，则分别计算：存在答案的得分 $score_{has}$ 和不存在答案的得分 $score_{null}$ ：
在这里插入图片描述
这里继续计算上面两个概率的差值： $score_{diff} = score_{has} - score_{diff}$ 留下备用

3.4 Rear Verification

也就是最后确认到底有没有答案

注意到这里同时有两个 verification，也就是 E-FV 和 I-FV，分别代表（略读后对问题是否有答案的判定）和（精读后对问题是否有答案的判定），此时考虑以某种方式将它们融合起来

定义：
在这里插入图片描述
这里的 β1 和 β2 是对应权重，将这里的 v 认为是最终判断有答案的概率，如果这个 v > 预先设定的阈值 δ，此时认为问题确实存在答案，反之不存在，且返回一个空字符串作为 span 预测的结果

4 experiment 实验部分

用到的数据集包括 SQuAD2.0 和 NewsQA，是两个确实引入了回答不了的问题的数据集

看看在 SQuAD 上的效果：

这里的 TAV 也就是直接使用 score_diff 的部分（上面 3.3 的最后一部分）来判断到底有没有答案，如果 score_diff 确实大于某一个阈值 δ 则认为有答案。也就是说 TAV 本身没有用到 E-FV 给出的判断。通过比较可以看到此时同时设置 E-FV 和 I-FV 或许真的可以帮助提升

再看看在 newsQA 的效果：

阅读仓促，存在错误 / 不足欢迎指出！期待进一步讨论~
转载请注明出处。知识见解与想法理应自由共享交流，禁止任何商用行为！

HicSuntLeones

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
2
评论
【论文笔记】Retro-Reader：基于回溯式阅读器的机器阅读理解模型

Zhuosheng Zhang, Junjie Yang, Hai Zhao, Department of Computer Science and Engineering, Shanghai Jiao Tong University, Retrospective Reader for Machine Reading Comprehension论文原文：https://arxiv.org/pdf/2001.09694v4.pdf源码：https://github.com/cooelf/Awesome.
复制链接

扫一扫