ELMO的全称是Embedding from Language Model,出自Deep contextualized word representations这篇论文。这个模型是RNN-based模型,从大量的句子中进行训练。
举个简单的例子,给了一个句子:“潮水 退了 就知道 谁没穿裤子”,那么就要告诉模型输入< BOS >就要输出“潮水”,输入“潮水”就要输出“退了”…如下图所示:
通过这样的训练方式,就能将RNN输出的hidden state作为该输入所对应的contextual embedding(考虑了上下文语境的表达)。
为什么说得到的embedding是考虑了上下文的呢?举个例子,“高烧 退了”和“臣 退了”,模型一定会将第一个词考虑进去,才能得到下一个预测的词。同样都是“退了”,但是其包含的意思并不相同。
这样做只考虑到了前文,没有考虑到后文,那么再构建一个反向的RNN,通过后面的词来预测前面的词,这样就让每一个词的embedding考虑到了后文的语境。上下文不一样,就会得到不同的embedding。
现在的RNN模型可能是多层的,如下图,那么每一层都会得到这样的embedding,我们应该以什么为准?
在ELMO中,这些得到的embedding,它全都要。这里用到的方式是weighted-sum,也就是将两层RNN得到的embedding加权求和。
下面是weighted-sum,其中
α
1
,
α
2
\alpha_1, \alpha_2
α1,α2都是从下游任务中学出来的!所以不同的下游任务,会有不同的参数权重。