自然语言处理(NLP)-4.3 BERT、T5与问答系统(BERT&T5&Question Answering)

1.概述

1.1 问答系统(Question answering)

        基于上下文：输入问题和文本，输出答案；如阅读理解

        封闭系统：直接输入问题，输出答案；如聊天机器人

        

1.2 迁移学习(Transfer learning)

    定义：先在有大量训练数据的任务上预训练，再迁移至下游任务上继续训练，此时只需少量数据

        

1.3 BERT(Bidirectional Encoder Representations from Transformers)

    定义：是一种基于transformer encoder的双向语言表示模型，同时考虑了前向依赖与后向依赖

       

1.4 T5

    定义：一种基于transformer的多任务模型

   

---

2.迁移学习(Transfer Learning)

2.1 基本概念

    迁移学习优点：

        减少训练时间

        提升预测准确率

        可通过少量数据训练

        

    迁移学习要素：

        (1)迁移器：Transfer

        (2)预训练数据：Pre-train data

        (3)预训练任务：Pre-training task

      迁移学习流程：

            先在原始数据集上进行预训练，再迁移至具体下游任务上继续训练，进行精调

        

        例如：

                一个训练好的模型可迁移至不同下游任务中，只需在下游任务上使用少量数据继续训练

        

2.2 迁移器(Transfer)

    分类：

        基于特征：Feature-based

        基于精调：Fine-Tuning

       

    基于特征：

        定义：将预训练模型的隐藏层参数提取出来，用在新模型中

        例：

            如词嵌入的训练就是一种迁移学习，先通过中心词预测得到词嵌入矩阵，再将其迁移到其他NLP任务中加以使用

           

    基于精调：

        定义：直接用预训练模型，或为预训练模型新增一个输出层，使其适应当前任务

        例：

            通过电影评论训练一个三分类情感分类模型，现在要通过课程评论训练五分类模型

            可通过直接使用之前的模型在新数据集上继续训练，并增加新输出层，以实现五分类的要求，

           

2.3 预训练数据(Pre-train data)

   数据与表现:

        关系：通常训练数据量越大，模型效果越好

            

    标注数据与未标注数据：

        关系：通常标注数据数量较少，未标注数据数量很多

            

    通过无标注数据迁移学习：

        方法：先通过无标注数据预训练模型，再迁移至标注数据上继续训练

            

2.4 预训练任务(Pre-train task)

    自监督学习(Self-supervised task)：

        方法：构建一种模型结构，使其能自行构建训练集与标签进行训练，无需人工标注数据

        例如：预测下一个词

            

---

3.常见NLP模型及发展

3.1 CBOW

    概述：使用固定大小的窗口选择上下文，来预测中心词

       

    缺点：因窗口大小固定，当窗口过小时可能丢失关键信息，且无法处理长距离依赖关系

       

3.2 ELMo

    概述：引入RNN结构，使用了双向LSTM，能通过全部上下文信息来预测中心词

       

    优点：解决了固定窗口带来的问题，能够处理长距离依赖

    缺点：没有注意力机制，存在信息丢失与梯度消失问题，无法并行处理数据

3.3 GPT

    概述：GPT基于Transformer的Decoder结构，使用了注意力机制，利用前文信息来预测中心词

       

    优点：使用了注意力机制，能够并行处理输出数据提高效率，解决了信息丢失与梯度消失问题

    缺点：只使用前向注意力，只考虑前向依赖而没考虑后向依赖关系

       

3.4 BERT

    概述：BERT基于Transformer的Encoder结构，且使用双向注意力，能同时考虑上下文信息

            

    优点：

        使用双向注意力，能同时考虑上下文关系

        Words to sentences：不仅能预测下一个单词，还能预测下一个句子

           

        预训练：支持自监督训练，可以使用MLM和NSP两种方法进行预训练

            Multi-Mask：随机从句子中选择单词作为中心词让模型预测

            Next Setence Prediction：输入一个句子，让模型预测下一个句子

           

3.5 T5

    概述：T5使用了Transformer的Encoder和Decoder结构，是一种多任务模型

            

    优点：

        Text-to-Text：文本到文本，通过在输入文本中指定任务类型，即可通过一个模型实现不同任务功能

            

3.6 总结

   

---

4.BERT

4.1 基本概念

    定义/概述：

        全称Bidirectional Encoder Representations from Transformer ，即双向Transformer编码表示模型；

        是一个多任务语言表示模型(language representation model)；

        主要模型结构是由trasnformer的encoder堆叠而成，主要流程是预训练(pre-training)与精调(fine-tuning)

    结构：

        由输入层、中间层、输出层构成；中间层与输出层同transformer encoder基本一致

        输入层为适应多任务训练而进行了一定改造

        

    特点：

        多层双向transformer

        位置编码

        深度网络结构/大量参数

        

4.2 输入层与输出层

    输入层：

        输入格式：为使BERT支持多任务，因此输入格式为 [标识符]+句子 的结构

        标识符：

            [CLS]：起始符，表示句子的开始

            [SEP]：分隔符，分隔两段文本

        输入层格式：

            词嵌入(Token Embneddings)：将各单词转换为对应词向量

            段嵌入(Segment Embeddings)：表明这个词属于哪个句子；在有多文本输入时用于区分

            位置嵌入(Position Embeddings)：维护各单词间位置关系，由模型训练出；(与Transformer不同，Transformer中是预先设定好的值)

           

    输出层：

        输出格式：对应输入层，会输出 对应任务的结果+句子

        

4.3 BERT流程

4.3.1 预训练(Pre-Training)

        定义：可先通过大量语料数据进行无监督的预训练

        方法：

            掩码语言模型(MLM)：随机选择单词遮掩作为中心词预测，无需人工标注数据；提升模型理解能力

            下一句子预测(NLP)：给出上一句，预测下一句，无需人工标注数据；提升模型预测能力

            

           

4.3.2 精调(Fine-Tuning)

    定义：使用预训练好的BERT模型迁移至不同下游任务继续训练，以进行精调

        

    方法：通过改变输入结构，来实现对不同任务的目标

        

---

5.T5(Text-To-Text Transfer Transformer)

5.1 基本概念

    定义：一种文本到文本模型，将常见的NLP任务全部整合进一个模型中

    常见预训练模型结构比较：

        (1)Encoder-Decoder：即 Seq2Seq 常用模型，分成 Encoder 和 Decoder 两部分，Encoder可用全部信息，Decoder只能用之前的信息；如Transformer

        (2)Language model：只使用Encoder，当前时间步只能看到之前时间步信息；如GPT

        (3)Prefix LM：Encoder 和 Decoder 的融合体，部分Encoder只能能看到之前的信息，而部分Decoder能看到全部信息；如UniLM

       

    T5模型结构：

        基于Encoder-Decoder结构的深层网络模型，网络规模大，参数量极大

       

5.2 训练方法

5.2.1 多任务训练策略(Multi-Task Training Strategy)

    定义：通过使用不同任务的数据集来训练模型

       

    输入输出格式： 任务指令+输入文本

       

    数据选择策略(Data Training Strategies)：

        因为T5是多任务模型，所以需要使用不同数据集进行训练，可以通过以下策略决定各类数据比例：

            (1)等量混合(Equal mixing)：即从不同任务数据集中取等量数据用于训练

            (2)等比混合(Examples-proportional mixing)：根据不同任务数据集大小，等比例取数据用于训练，即数据集越大取的训练数据越多

            (3)混合系数混合(Temperature scaled mixing)：设定一个混合系数T，根据其从不同数据集中选择训练数据

       

       

5.2.2 预训练+精调

    定义：通过先预训练再精调的方式训练模型

       

    精调方法：

        逐步解冻法(Gradual Unfreezing)：先将所有隐藏层设为不可训练，再从深至浅依次解冻，使其可以训练

        调整层法(Adapter layers)：增加新的输出层，并进行训练

       

结论：

        使用预训练+精调的训练方法效果比使用多任务训练要好

        更大的模型、更多的训练数据、更长的训练时间，都对最终效果起正面影响

5.3 GLUE Benchmark(通用语言理解评估基准)

    定义：国际权威数据集，包含了各类NLP问题的数据集，可用来训练和评价模型效果

       

    包含领域：

       

5.4 使用T5实现问答系统

    Transformer encoder：

        

    数据示例：

        

    使用T5实现：

        (1)加载预训练模型

        (2)调整数据格式，使其符合T5的输入格式

        (3)在目标任务上精调模型

        (4)使用最终模型预测结果

        

---

作业代码：https://github.com/Ogmx/Natural-Language-Processing-Specialization

可将代码与数据下载至本地，使用jupyter notebook打开