CRF 是一种常用的序列标注算法,可用于词性标注,分词,命名实体识别等任务。BiLSTM+CRF 是目前比较流行的序列标注算法,其将 BiLSTM 和 CRF 结合在一起,使模型即可以像 CRF 一样考虑序列前后之间的关联性,又可以拥有 LSTM 的特征抽取及拟合能力。
1.前言
在之前的文章《CRF 条件随机场》中,介绍了条件随机场 CRF,描述了 CRF 和 LSTM 的区别。我们以分词为例,每个字对应的标签可以是 s, b, m, e 四种。
给定一个句子 "什么是地摊经济",其正确的分词方式是 "什么 / 是 / 地摊 / 经济",每个字对应的分词标签是 "be / s / be / be"。从下面的图片可以看出 LSTM 在做序列标注时的问题。
![762f6ae130fe545ebe0a0a8600adb5cd.png](https://i-blog.csdnimg.cn/blog_migrate/2afa1ad95984cb9e4e808e6c1e07d088.jpeg)
BiLSTM 分词
BiLSTM 可以预测出每一个字属于不同标签的概率,然后使用 Softmax 得到概率最大的标签,作为该位置的预测值。这样在预测的时候会忽略了标签之间的关联性,如上图中 BiLSTM 把第一个词预测成 s,把第二个词预测成 e。但是实际上在分词时 s 后面是不会出现 e 的,因此 BiLSTM 没有考虑标签间联系。
因此 BiLSTM+CRF 在 BiLSTM 的输出层加上一个 CRF,使得模型可以考虑类标之间的相关性,标签之间的相关性就是 CRF 中的转移矩阵,表示从一个状态转移到另一个状态的概率。假设 CRF 的转移矩阵如下图所示。
![457b3d1607cc323e7fef7f46acb18232.png](https://i-blog.csdnimg.cn/blog_migrate/dbad9666a3e066d4a11009ff714cd479.jpeg)
CRF 状态转移矩阵
则对于前两个字 "什么",其标签为 "se" 的概率 =0.8×0×0.7=0,而标签为 "be" 的概率=0.6×0.5×0.7=0.21。
因此,BiLSTM+CRF 考虑的是整个类标路径的概率而不仅仅是单个类标的概率,在 BiLSTM 输出层加上 CRF 后,如下所示。
![1bf7742cca20a5b685f0409140857097.png](https://i-blog.csdnimg.cn/blog_migrate/356e2ed8d4e9948f65375b0dd422760d.jpeg)
BiLSTM+CRF 分词
最终算得所有路径中,besbebe 的概率最大,因此预测结果为 besbebe。
2.BiLSTM+CRF 模型
CRF 包括两种特征函数,不熟悉的童鞋可以看下之前的文章。第一种特征函数是状态特征函数,也称为发射概率,表示字 x 对应标签 y 的概率。
![e02ff4d90124da718adc6be526b4d99e.png](https://i-blog.csdnimg.cn/blog_migrate/edcfe00cc893239f0dd47e6115c131d0.jpeg)
CRF 状态特征函数
在 BiLSTM+CRF 中,这一个特征函数 (发射概率) 直接使用 LSTM 的输出计算得到,如第一小节中的图所示,LSTM 可以计算出每一时刻位置对应不同标签的概率。
CRF 的第二个特征函数是状态转移特征函数,表示从一个状态 y1 转移到另一个状态 y2 的概率。
![854863b02db81cbdf52ee33fb1baa01b.png](https://i-blog.csdnimg.cn/blog_migrate/e998b6dd7aaf84096235853487e74ba2.jpeg)
CRF 状态转移特征函数
CRF 的状态转移特征函数可以用一个状态转移矩阵表示,在训练时需要调整状态转移矩阵的元素值。因此 BiLSTM+CRF 需要在 BiLSTM 的模型内增加一个状态转移矩阵。在代码中如下。
class BiLSTM_CRF(nn.Module): def __init__(self, vocab_size, tag2idx, embedding_dim, hidden_dim): self.word_embeds = nn.Embedding(vocab_size, embedding_dim) self.lstm = nn.LSTM(embedding_dim, hidden_dim // 2, num_layers=1, bidirectional=True) # 对应 CRF 的发射概率,即每一个位置对应不同类标的概率 self.hidden2tag = nn.Linear(hidden_dim, self.tagset_size) # 转移矩阵,维度等于标签数量,表示从一个标签转移到另一标签的概率 self.transitions = nn.Parameter( torch.randn(len(tag2idx), len(tag2idx))
给定句子 x,其标签序列为 y 的概率用下面的公式计算。
![05b7b1bd55d5ea72b321a924095eba61.png](https://i-blog.csdnimg.cn/blog_migrate/3ef9b7049514fbd72f91d37beffde784.jpeg)
p(y|x)
公式中的 score 用下面的式子计算,其中 Emit 对应发射概率 (即 LSTM 输出的概率),而 Trans 对应了转移概率 (即 CRF 转移矩阵对应的数值)
![ff35ac5448cc3baf9075472a413e2d2f.png](https://i-blog.csdnimg.cn/blog_migrate/b7576236b2aaf5666715c9cb62815e5b.jpeg)
score 的计算公式
BiLSTM+CRF 采用最大似然法训练,对应的损失函数如下:
![0a49cb3e25c79fc1ace09c3acc981861.png](https://i-blog.csdnimg.cn/blog_migrate/26bedaac2d3a417b69b25717f220a7ad.jpeg)
损失函数
其中 score(x,y) 比较容易计算,而 Z(x) 是所有标签序列 (y) 打分的指数之和,如果序列的长度是 l,标签个数是 k,则序列的数量为 (k^l)。无法直接计算,因此要用前向算法进行计算。
用目前主流的深度学习框架,对 loss 进行求导和梯度下降,即可优化 BiLSTM+CRF。训练好模型之后可以采用 viterbi 算法 (动态规划) 找出最优的路径。
3.损失函数计算
计算 BiLSTM+CRF 损失函数的难点在于计算 log Z(x),用 F 表示 log Z(x),如下公式所示。
![9635f3cf16865ec54d495910dc6ccb91.png](https://i-blog.csdnimg.cn/blog_migrate/3da4f52d3729e7e73d867f763cee8750.jpeg)
我们将 score 拆分,变成发射概率 p 和转移概率 T 的和。为了简化问题,我们假设序列的长度为3,则可以分别计算写出长度为 1、2、3 时候的 log Z 值,如下所示。
![928eee98c5d3a681949cc9b9aae3d2e6.png](https://i-blog.csdnimg.cn/blog_migrate/0542b9dfc0327dc1dcb6f7ac2c1c83f0.jpeg)
上式中 p 表示发射概率,T 表示转移概率,Start 表示开始,End 表示句子结束。F(3) 即是最终得到的 log Z(x) 值。通过对上式进行变换,可以将 F(3) 转成递归的形式,如下。
![1af847ccc219e0af15dd5cdd94db1b7f.png](https://i-blog.csdnimg.cn/blog_migrate/8e21f7d2749494c7400235133622534c.jpeg)
可以看到上式中每一步的操作都是一样的,操作包括 log_sum_exp,例如 F(1):
- 首先需要计算 exp,对于所有 y1,计算 exp(p(y1)+T(Start,y1))
- 求和,对上一步得到的 exp 值进行求和
- 求 log,对求和的结果计算 log
因此可以写出前向算法计算 log Z 的代码,如下所示:
def forward_algorithm(self, probs): def forward_algorithm(probs): """ probs: LSTM 输出的概率值,尺寸为 [seq_len, num_tags],num_tags 是标签的个数 """ # forward_var (可以理解为文章中的 F) 保存前一时刻的值,是一个向量,维度等于 num_tags # 初始时只有 Start 为 0,其他的都取一个很小的值 (-10000.) forward_var = torch.full((1, num_tags), -10000.0) # [1, num_tags] forward_var[0][Start] = 0.0 for p in probs: # probs [seq_len, num_tags],遍历序列 alphas_t = [] # alphas_t 保存下一时刻取不同标签的累积概率值 for next_tag in range(num_tags): # 遍历标签 # 下一时刻发射 next_tag 的概率 emit_score = p[next_tag].view(1, -1).expand(1, num_tags) # 从所有标签转移到 next_tag 的概率, transitions 是一个矩阵,长宽都是 num_tags trans_score = transitions[next_tag].view(1, -1) # next_tag_ver = F(i-1) + p + T next_tag_var = forward_var + trans_score + emit_score alphas_t.append(log_sum_exp(next_tag_var).view(1)) forward_var = torch.cat(alphas_t).view(1, -1) terminal_var = forward_var + self.transitions[Stop] # 最后转移到 Stop 表示句子结束 alpha = log_sum_exp(terminal_var) return alpha
4.viterbi 算法解码
训练好模型后,预测过程需要用 viterbi 算法对序列进行解码,感兴趣的童鞋可以参看《统计学习方法》。下面介绍一下 viterbi 的公式,首先是一些符号的意义,如下:
![908d82236863e9356e25f904b31e4152.png](https://i-blog.csdnimg.cn/blog_migrate/015335aa693fe63016be4624d3ae2e11.jpeg)
然后可以得到 viterbi 算法的递推公式
![3699a73d4c2bb3680a234203cfbb3872.png](https://i-blog.csdnimg.cn/blog_migrate/4cea8aef6c46a2f4a9ce0ea60924c8e3.jpeg)
最终可以根据 viterbi 计算得到的值,往前查找最合适的序列
![8d7e88c96ded0ddcd844c0e2d8cd56c1.png](https://i-blog.csdnimg.cn/blog_migrate/0f6442a0bd8d0c3d05ecaf5d3339c08b.jpeg)
最后推荐大家阅读 pytorch 官网的 BiLSTM+CRF 代码,通过代码更容易理解。
5.参考文献
ADVANCED: MAKING DYNAMIC DECISIONS AND THE BI-LSTM CRF