文本生成自回归解码策略总结

_Meilinger_

已于 2022-12-17 21:13:27 修改

阅读量1.8k

点赞数 3

分类专栏： NLP 文章标签： python 人工智能自然语言处理文本生成解码策略

于 2022-12-11 15:20:28 首次发布

本文链接：https://blog.csdn.net/qq_36332660/article/details/128251967

版权

NLP 专栏收录该内容

9 篇文章 1 订阅

订阅专栏

当今文本生成的主流方式还是自回归式的语言建模，本篇文章对文本生成常用的几种自回归采样&解码策略进行总结（以下统称为采样）。

采样方式

Argmax Decoding（贪婪采样）
- Greedy Search（贪心搜索）
- Beam Search（集束搜索）
Stochastic Decoding（随机采样）
混合采样
总结
参考资料

采样的定义是：在一个条件概率分布上通过搜索或随机选择的方式输出一个值的过程。其实除文本生成这一任务，强化学习中每次action的选择也会考虑使用不同的方式来选择出当下最合适的action. 目前采样方式大致分为两类：贪婪采样和随机采样，下面分别对这两类采样方式进行介绍。

Argmax Decoding（贪婪采样）

核心思想：将每个时间步的采样范围限制在概率最靠前的的有限（k）个token. 当k=1时，采样方式称作Greedy Search；当k>1时，采样方式称作Beam Search. 所以Greedy Search可以看作是Beam Search的特例。

Greedy Search（贪心搜索）

核心思想：每个时间步都选择概率最大的token作为输出，直至出现结束符或达到最大句子长度停止输出。

Beam Search（集束搜索）

BeamSearch是GreedySearch和枚举的折中。

具体过程：给定超参数集束宽度（Beam Size）k，每个时间步保留 k 个取值路径，最终会生成k个完整的句子。在这 k 个完整的句子中，选择总分最高的句子作为输出。这里，Beam 可以理解为候选容器，存放当前时间步中概率最高的一些候选token，而容器容量就叫做 Beam Size.

# Beam Search 算法伪代码
while k:
    取当前时间步下总分最大的 k 个候选 token 放入 beam

    if 候选中有结束符：
        将对应的候选句拿出
        k = k - 1

从候选句子中取得分最高的作为最终结果输出

缺点：束搜索中排序用的分数一般会用 log_(prob) 的加和，即Score = log_(prob1*prob2*...*probN)。但因为 log_(prob) 为负数，如果采用这种方式计算分数，生成结果中短句分数就会比较大，所以该采样方式倾向于生成短句。虽然对于集束搜索有一些基于惩罚因子的改进（如分数直接除以生成长度等），但该采样方式还是具有贪婪采样的通病，即生成的文本不够多样。

在Sequence2sequence模型[中，Beam Search 只用于测试阶段，即 decoder 解码阶段，因为在训练过程中，每一个decoder的输出是有正确答案的，也就不需要Beam Search去加大输出的准确率。

从这篇博文我了解到，也有专门针对贪婪采样进行效率和效果层面改进的工作，如class-factored softmax等，相关论文：

Stochastic Decoding（随机采样）

与贪婪采样不同，随机采样将每个时间步的采样范围扩大到整个词表，由此便引入更多的随机性。随机采样分两步，首先通过超参数改变解码器输出的概率分布或重新划定采样范围，然后在新的候选词集中随机选取一个值进行输出。随机采样容易产生前后不一致的问题，而在开放闲聊领域，生成文本的长度都比较短，这一问题便被淡化了。随机采样有三种：Temperature-controlled Stochastic Sampling、Top-k Sampling 和 Top-p Sampling. 这三种采样方式可以按需结合起来使用。

采样原则：

减熵性：变换后的概率分布小于变换前的概率分布；
保序性：元素排列顺序不变
保斜率性：分布的斜率不变

Temperature-controlled Stochastic Sampling

核心思想：解码器的输出层后面通常会跟一个softmax函数（公式如下）将输出概率进行归一化。Temperature Sampling 就是在归一化过程中优化解码器输出的概率分布。

softmax公式

实现方式：在归一化的过程中添加超参数，称为温度 τ , 通过改变 τ 来控制概率分布的形貌，使得概率分布变得更加均匀或集中。

关于超参数 τ 的选取：

超参数 τ 的值越小，越能够放大高概率词的概率，降低低概率词的概率，此时概率密度趋向集中，随机性降低，采样方式更加接近 Greedy Search.
超参数 τ 的值越大，随机性越大，修改后的概率分布越趋近于均匀分布。

这种采样方式仅仅通过控制超参数对概率分布进行了放缩，并没有改变采样范围即候选词集，所以概率低的单词还是有可能输出。

Top-k Sampling

参考论文：Hierarchical Neural Story Generation（ACL 2018）

核心思想：在采样前，将解码器输出的概率分布截断，把采样范围缩小到概率比较高的词，并通过超参数的方式直接限制新候选词的个数。

实现方式：给定超参数 k，预选出当前时间步下 k个概率最高的 token 形成新的候选集，然后对对该词集中的概率进行重归一化之后，再进行随机采样。top-k 采样可结合Temperature Sampling 抑制当前时间步下低概率token的输出。

难点：超参数 k 的选择比较困难。由于解码器生成的概率分布变化比较大，有时很均匀，有时较集中。对于概率分布比较均匀的情况，若k 较小，则容易丢掉很多优质候选词；但如果 k 太大，这种采样方式又会退化回普通的随机采样。对于概率分布比较集中的情况，上述问题有所淡化，但合适 k 值的选择还是比较困难。

Top-p Sampling（Nucleus Sampling）

参考论文：The Curious Case of Neural Text Degeneration（ICLR，2020）

论文中指出，一般而言，解码出的概率分布中往往是少数 token 的出现概率已经占据了绝大部分概率空间，这部分核心词可称为nucleus.

核心思想：与top-k相似，top-p 也是缩小采样范围，只不过是通过指定概率上限的方式，即固定候选token集合的概率密度之和在整个概率分布中的比例，也就是构造一个最小候选集，使得

top-p采样核心思想

实现方式：给定超参数 p 作为概率阈值，首先对当前概率分布中的全部 token 按照概率值进行降序排列，然后依次选择 token 直到累加概率超过预设的概率阈值 p, 由此便得到新的候选集，对该词集中的概率进行重归一化之后，再进行随机采样。top-p 采样可结合Temperature Sampling 抑制当前时间步下低概率token的输出。

优点：（1）在不同的时间步，随着解码词的概率分布不同，候选词集合的大小会动态变化，相较于top-k采样更加灵活；（2）由于解码词还是从头部候选集中筛选，这样根据概率动态调整的方式可以使生成的句子在满足多样性的同时又保持通顺。

混合采样

在实际应用中，语言模型大多是针对特定任务选择多种方式进行结合来进行采样，如在可控文本生成模型 CTRL 中，使用 top-k 与 Temperature-controlled Stochastic Sampling 结合的方式，其中，k 的值是自适应的，随着 token 的置信度大小而收缩——如果下个 token 的置信度较高，k 就小一些；当有多个高概率候选 token 时，可能会产生重复采样某个 token 的问题，这时，CTRL 提出一种新的带有惩罚因子的采样方式，即对已产生的 token 的概率进行打折，方式如下：
CTRL中带有惩罚因子的采样方式
其中，i 是当前 token，g 是已生成的 token 集合，θ 是一个超参数，论文中提到当 θ 取值 1.2 时能取得不错的平衡。