0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看威廉希尔官方网站 视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

一个给NLP领域带来革新的预训练语言大模型Bert

深度学习自然语言处理 来源:布尔NLPer 作者:布尔NLPer 2023-02-28 10:26 次阅读

引言

之前的文章和大家详细的介绍了静态的词向量表示word2vec理论加实战,但是word2vec存在一个很大的问题,由于是静态词向量所以无法表示一词多义,对于每个词只能有一个固定的向量表示,今天我们来介绍一个给NLP领域带来革新的预训练语言大模型Bert,对比word2vec和Glove词向量模型,Bert是一个动态的词向量语言模型,接下来将带领大家一起来聊聊Bert的前世今生,感受一下Bert在自然语言处理领域的魅力吧。

1 预训练的演化史

NLP里面的Word Embedding预训练威廉希尔官方网站 的演化史,从最初的静态词向量word2vec,到动态预训练词向量ELMO和GPT,再到今天的主角Bert预训练模型,这个演变过程也是整个NLP威廉希尔官方网站 的发展历程,Bert的横空问世直接刷新了NLP领域11项基本任务的最佳成绩,成为最受NLP算法工程师青睐的算法模型。

1.1 onehot编码

one-hot编码顾名思义,又称为独热编码表示,之前的文章中有对onehot词向量做详细的介绍:

【NLP修炼系列之词向量(一)】详解one-hot编码&实战

1.2 word2vec词向量

word2vec是一种静态的词向量表示,word2vec存在最大的问题就是由于它是静态词向量表示导致不能表示一词多义的情况,之前的文章有对word2vec原理和实战做详解,想了解的小伙伴可以回顾一下:

【NLP修炼系列之词向量(二)】详解Word2Vec原理篇

1.3 ELMO预训练模型

对比word2vec静态词向量的缺点,为了解决这种静态词向量一词多义问题,2018年NAACL上发表了paper《Deep contextualized word representations》提出了ELMO预训练语言模型。

ELMO模型结构:

6d2436ae-b0ee-11ed-bfe3-dac502259ad0.png

ELMO的核心思想:使用两层BiLSTM模型来学习文本深度学习层次表示,最后针对每个单词输出三个向量,针对于下游任务可以使用加权的方式来表征文本,一定程度上解决了一词多义的问题。

1.4 GPT预训练模型

GPT的全称是"Generative Pre-Traingng Transformer"的简称,是一个生成式预训练模型,由论文《Deep contextualized word representations》提出。

GPT模型结构图:

6d469dca-b0ee-11ed-bfe3-dac502259ad0.png

GPT的核心思想:通过二段式的训练,第一个阶段是利用语言模型进行预训练(无监督形式),第二阶段通过 Fine-tuning 的模式解决下游任务(监督模式下)。

6d6330c0-b0ee-11ed-bfe3-dac502259ad0.png

图(左)文章中使用的 Transformer 架构和训练目标。(右)用于微调不同任务的输入转换,将所有结构化输入转换为令牌序列,由预训练模型处理,然后是线性+softmax 层。

GPT和ELMO模型一样都是两阶段的预训练模型,但是不同的是,GPT特征抽取器不是用的RNN,而是用的transformer,它的特征抽取能力要强于RNN,其次GPT的预训练虽然仍然是以语言模型作为目标任务,但是采用的是自回归模型,单向的transformer结构,只会根据上文信息来表示Word Embedding,是一个生成式模型。

1.4 Bert预训练模型

BERT和ELMO、GPT有密切关系,三者直接有着共同点和不同点,先给出模型结构,后面我们详细的介绍一下今天的主角Bert预训练语言模型。

6d816a04-b0ee-11ed-bfe3-dac502259ad0.png

总结一下预训练的几个演变模型的关系:

one-hot编码是离散的向量表示,离散编码存在诸多的问题,例如无法衡量相似数据之间的相似关系等。

word2vec是静态的的词向量表示,静态词向量之前也说明了存在着很多的问题,其中最大的缺点就是不能解决一词多义的问题。

相比较word2vec而言ELMO,Bert,GPT都是动态的词向量表示,其中ELMO不仅使用了词向量表示词,还加入了句法特征向量和语义特征向量三层embedding组合来表示词,ELMO主要特点是使用了LSTM的特征提取器,自左到右和自右到左双向的使用上下文来语义表示,如果ELMO将LSTM改成Transformer特征提取器就变成了Bert结构了。

GPT使用的特征提取器是Transformer,但是是自左到右单向仅仅使用上文语义的自回归生成模型,如果GPT也是使用自左到右和自右到左的双向提取上下文语义就变成了Bert结构了。

那么这么看来Bert的结构就比较清晰了,Bert综合了以上左右模型的“优点”吧,动态的词向量语义表示,使用了强大的Transformer特征提取器,同时是自左到右和自右到左双向的使用上下文来语义表示,可以说Bert是集大成者。

6da9862e-b0ee-11ed-bfe3-dac502259ad0.png

2 Bert概述

Bert全称是“Bidirectional Encoder Representations from Transformers”,Bert是一种预训练语言模型(pre-trained language model, PLM)。Google团队在2018年发表文章《BERT: Pre-training of Deep Bidirectional Transformers forLanguage Understanding》提出了Bert预训练语言模型,可以说Bert的出现轰动了整个NLP领域,自然语言处理领域开始进入一个新的阶段。

Bert和ELMO,GPT都一样是两阶段的任务(预训练+微调):

预训练阶段(pre-training):模型将使用大量的无标签数据训练。

微调阶段(fine-tuning):BERT模型将用预训练模型初始化所有参数,这些参数将针对于下游任务,比如文本分类,序列标注任务等,微调阶段需要使用有标签的数据进行模型训练,不同的下游任务可以训练出不同的模型,但是每次都会使用同一个预训练模型进行初始化。

6dc8c674-b0ee-11ed-bfe3-dac502259ad0.png

2.1 BERT的结构

Bert是基于Transformer实现的,主要是Transformer的Encoder部分,完整架构如下:

6ddd3f00-b0ee-11ed-bfe3-dac502259ad0.png

论文中提到的Bert主要有两种大小,bert-base和bert-large两个size,base版一共有110M参数,large版有340M的参数,总之Bert有上亿的参数量。

BERT_BASE:L=12,H=768,A=12,TotalParameters=110M.

BERT_LARGE:L=24,H=1024,A=16,TotalParameters=340M.

其中 L:Transformer blocks 层数;H:hidden size;A:the number of self-attention heads

2.2 Bert的输入输出形式

Bert的Embedding层由3个子层求和得到,分别是词向量层Token Embedings,句子层Segment Embeddings以及位置编码层Position Embeddings。

6dfab422-b0ee-11ed-bfe3-dac502259ad0.png

Embedding的组成:

Token Embeddings字向量:用来表征不同的词,以及特殊的tokens,第一个单词是CLS标志,主要用于之后的分类任务。

Segment Embeddings文本向量:用来区别两个句子,来表征这个词是属于哪一个句子,作用于两个句子为输入的分类任务。

Position Embeddings位置向量:由于出现在文本不同位置的字/词所携带的语义信息存在差异,对不同位置的字/词分别附加一个不同的向量以作区分,是随机初始化训练出来的结果。

Bert输出:

主要输出各字对应的融合全文语义信息后的向量表示。

3 Bert的预训练方式

预训练:预训练是通过大量无标注的语言文本进行语言模型的训练,得到一套模型参数,利用这套参数对模型进行初始化,再根据具体任务在现有语言模型的基础上进行精调。

预训练主要分为两大分支,一支是自编码语言模型(Autoencoder Language Model),自回归语言模型(Autoregressive Language Model)。

自回归语言模型:‍是根据上文内容预测下一个可能的单词,就是常说的自左向右的语言模型任务,或者反过来也行,就是根据下文预测前面的单词。GPT 就是典型的自回归语言模型。

自编码语言模型:是对输入的句子随机Mask其中的单词,然后预训练过程的主要任务之一是根据上下文单词来预测这些被Mask掉的单词,那些被Mask掉的单词就是在输入侧加入的噪音。BERT就是典型的自编码类语言模型。

3.1 MLM掩码语言模型(Mask Language Model)

因为Bert就是采用自编码的预训练模型,MLM就是我们理解的完形填空的问题,随机掩盖掉每一个句子中15%的词,用其上下文来去预测掩盖的词,但是在下游任务做微调的过程中不会出现mask情况,为了解决这一问题论文中提到了一些替换策略:

80%的时间是采用[mask],mydogishairy→mydogis[MASK]

10%的时间是随机取一个词来代替mask的词,mydogishairy->mydogisapple

10%的时间保持不变,mydogishairy->mydogishairy

3.2 NSP预训练任务 (Next Sentence Prediction)

NSP任务主要是判断两个句子的关系,判断两个句子是否是前后句关系,然后用一些特殊的tokens做区分(在句子开头加一个 [CLS],在两句话之间和句末加 [SEP])。输入形式是,开头是一个特殊符号[CLS],然后两个句子之间用[SEP]隔断。

正样例:50%的句子B是真是的A后面的句子。

负样例:50%的句子B是从语料中随机选取的句子。

4 Bert的微调

Bert的4个经典任务:句子(文本)对匹配、句子(文本)分类、问答系统、序列标注。

6e1a50ca-b0ee-11ed-bfe3-dac502259ad0.png

(1)句对分类(Sentence Pair Classification tasks)

预测下一句、语义相似度等任务,输入是两个句子A和B,中间用[SEP]分隔,最终得到的class label就表示是否下一句或者是否是语义相似的。

(2)单句分类(Single Sentence Classification tasks)

文本分类、情感分析等。输入就是一个单独的句子,最终的class label就是表示句子属于哪一类。

(3)文本问答(Question Answering tasks)

问答任务,输入是一个问题和问题对应的段落,用[SEP]分隔,这里输出的结果就不是某个class label而是答案在给定段落的开始和终止位置,主要用于阅读理解任务。

(4)序列标注任务(Single Sentence Tagging Tasks)

常见的命名实体识别任务,输入就是一个单独的句子,输出是句子中每个token对应的类别标注。

5 总结

Bert模型取得这么惊人的效果的前提是用到了强大的Transformer特征提取器,其次是用到了双向的上下文语义表示,BERT之后衍生了各类改进版BERT,其中改善训练方式、优化模型结构、模型小型化等方法去优化Bert,比较典型的有Roberta,AlBert,distilBert等更好,更快,更小的模型。


审核编辑:刘清

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • GPT
    GPT
    +关注

    关注

    0

    文章

    352

    浏览量

    15343
  • ELMOS
    +关注

    关注

    8

    文章

    33

    浏览量

    28825
  • Transformer
    +关注

    关注

    0

    文章

    143

    浏览量

    5995
  • 自然语言处理

    关注

    1

    文章

    618

    浏览量

    13552
  • nlp
    nlp
    +关注

    关注

    1

    文章

    488

    浏览量

    22033
  • 大模型
    +关注

    关注

    2

    文章

    2423

    浏览量

    2645

原文标题:【NLP修炼系列之Bert(一)】Bert的前世今生-理论篇

文章出处:【微信号:zenRRan,微信公众号:深度学习自然语言处理】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    文详解知识增强的语言训练模型

    ,在实际应用场景中效果不好。为了解决这个问题,将知识注入到PLMs中已经成为非常活跃的研究领域。本次分享将介绍三篇知识增强的训练
    的头像 发表于 04-02 17:21 9610次阅读

    【大语言模型:原理与工程实践】大语言模型的基础威廉希尔官方网站

    特定任务对模型进行微调。这种方法的成功不仅是自然语言处理发展的转折点,还为许多现实世界的应用场带来了前所未有的性能提升。从广为人知的GP
    发表于 05-05 12:17

    【大语言模型:原理与工程实践】大语言模型训练

    训练数据时,数量、质量和多样性三者缺不可。 数据的多样性对于大语言模型至关重要,这主要体现在数据的类别和来源两方面。丰富的数据类别能够
    发表于 05-07 17:10

    用图解的方式,生动易懂地讲解了BERT和ELMo等模型

    最新的里程碑是BERT的发布,这事件被描述为NLP新时代的开始。BERT
    的头像 发表于 12-16 10:17 1.1w次阅读

    图解BERT训练模型

    BERT的发布是这个领域发展的最新的里程碑之,这个事件标志着NLP 新时代的开始。BERT模型
    的头像 发表于 11-24 10:08 3659次阅读

    基于BERT的中文科技NLP训练模型

    深度学习模型应用于自然语言处理任务时依赖大型、高质量的人工标注数据集。为降低深度学习模型对大型数据集的依赖,提出种基于BERT的中文科技自
    发表于 05-07 10:08 14次下载

    如何向大规模训练语言模型中融入知识?

    本文关注于向大规模训练语言模型(如RoBERTa、BERT等)中融入知识。
    的头像 发表于 06-23 15:07 4230次阅读
    如何向大规模<b class='flag-5'>预</b><b class='flag-5'>训练</b><b class='flag-5'>语言</b><b class='flag-5'>模型</b>中融入知识?

    2021 OPPO开发者大会:NLP训练模型

    2021 OPPO开发者大会:NLP训练模型 2021 OPPO开发者大会上介绍了融合知识的NLP
    的头像 发表于 10-27 14:18 1753次阅读
    2021 OPPO开发者大会:<b class='flag-5'>NLP</b><b class='flag-5'>预</b><b class='flag-5'>训练</b>大<b class='flag-5'>模型</b>

    如何实现更绿色、经济的NLP训练模型迁移

    NLP中,训练模型Finetune是种非常常见的解决问题的范式。利用在海量文本上
    的头像 发表于 03-21 15:33 2194次阅读

    Multilingual多语言训练语言模型的套路

    Facebook在Crosslingual language model pretraining(NIPS 2019)文中提出XLM训练语言
    的头像 发表于 05-05 15:23 2972次阅读

    种基于乱序语言模型训练模型-PERT

    由于乱序语言模型不使用[MASK]标记,减轻了训练任务与微调任务之间的gap,并由于预测空间大小为输入序列长度,使得计算效率高于掩码语言
    的头像 发表于 05-10 15:01 1540次阅读

    NLP入门之Bert的前世今生

    对于每个词只能有固定的向量表示,今天我们来介绍NLP
    发表于 02-22 10:29 931次阅读
    <b class='flag-5'>NLP</b>入门之<b class='flag-5'>Bert</b>的前世今生

    PyTorch教程-15.9。训练 BERT 的数据集

    实验室在 SageMaker Studio Lab 中打开笔记本 为了训练第 15.8 节中实现的 BERT 模型,我们需要以理想的格式生成数据集,以促进两项
    的头像 发表于 06-05 15:44 798次阅读

    训练模型的基本原理和应用

    训练模型(Pre-trained Model)是深度学习和机器学习领域中的重要概念,尤其是
    的头像 发表于 07-03 18:20 2766次阅读

    语言模型训练

    能力,逐渐成为NLP领域的研究热点。大语言模型训练是这
    的头像 发表于 07-11 10:11 421次阅读