0
| 本文作者： AI研習(xí)社-譯站 | 2019-07-24 15:19 |
原標(biāo)題 | What is XLNet and why it outperforms BERT
作者 | Xu LIANG
譯者 | Ryan（西安理工大學(xué)）、依耶芙特?歐
XLNet發(fā)布后僅僅不到一周的時間，我周圍NLP領(lǐng)域的每個人似乎都在談?wù)撍?/span>
XLNet：NLP領(lǐng)域中一個新的預(yù)訓(xùn)練方法，相比BERT可以顯著提高20個任務(wù)的準(zhǔn)確率。
arxiv：https://arxiv.org/abs/1906.08237
github (代碼 + 預(yù)訓(xùn)練模型)：https://github.com/zihangdai/xlnet
由Zhilin Yang, @ZihangDai, Yiming Yang,
Jaime Carbonell, @rsalakhu等發(fā)出。
是的，“在 BERT 基礎(chǔ)上20個任務(wù)提高了準(zhǔn)確率”確實吸引了我們的眼球。但是更加重要的事情是去理解 XLnet 的工作原理以及為何它的效果超過BERT。所以我寫了這個博客來分享我閱讀論文后的理解。
內(nèi)容結(jié)構(gòu)如下：
什么是 XLNet？
XLNet 和 BERT 有哪些區(qū)別？
XLNet 是如何工作的？
首先，XLNet是一個類似BERT的模型，而不是完全不同的模型。但這是一個非常有前途和潛力的模型。總之，XLNet是一種通用的自回歸預(yù)訓(xùn)練方法。
那么什么是自回歸（AR）語言模型？
AR語言模型是一種利用上下文詞來預(yù)測下一個詞的模型。但是在這里，上下文詞被限制在兩個方向上，要么向前，要么向后。
GPT和GPT-2都是自回歸語言模型。
AR語言模型在生成NLP任務(wù)方面具有很好的優(yōu)勢，因為在生成上下文時，通常是向前的方向。AE語言模型自然能很好地處理這些NLP任務(wù)。
但AR語言模型存在一些不足，它只能使用前向上下文或后向上下文，這意味著它不能同時使用前向上下文和后向上下文。
與AR語言模型不同，BERT被歸類為自動編碼器(AE)語言模型。
AE語言模型的目的是從被破壞的輸入中重建原始數(shù)據(jù)。
損壞的輸入意味著我們在預(yù)處理階段中使用[MASK]將原始標(biāo)記into。目的是預(yù)測into來得到原來的句子。
AE語言模型的優(yōu)點在于它可以看到前后兩個方向的語境。
但是，AE語言模型也有其不足之處。它在預(yù)訓(xùn)練中使用了[MASK]，但是這種人工符號在訓(xùn)練過程中沒有出現(xiàn)在實際數(shù)據(jù)中，導(dǎo)致了訓(xùn)練前的誤差。[MASK]的另一個缺點是假定預(yù)測的(蒙面的)標(biāo)記是相互獨立的，給出未蒙面的標(biāo)記。例如，我們有一句話：“這表明房地產(chǎn)危機(jī)已轉(zhuǎn)變?yōu)殂y行危機(jī)”。我們掩蓋住“銀行”和“危機(jī)”。在這里，我們知道遮住的“銀行”和“危機(jī)”包含彼此的隱含關(guān)系。但AE模型試圖預(yù)測“銀行”和“危機(jī)”，并分別給出未掩蓋的標(biāo)記。它忽略了“銀行”與“危機(jī)”之間的關(guān)系。換句話說，它假定預(yù)測的(蒙面的)標(biāo)記是相互獨立的。但我們知道，模型應(yīng)該了解預(yù)測(蒙面)標(biāo)記之間的這種相關(guān)性，以預(yù)測其中一個標(biāo)記。
作者想強(qiáng)調(diào)的是，XLNet提出了一種讓AR語言模型從雙向語境中學(xué)習(xí)的新方法，以避免AE語言模型中的掩碼方法帶來的缺點。
AR語言模型只能使用前向或后向上下文，那么如何讓它從雙向上下文中學(xué)習(xí)呢？
語言模型由兩個階段組成，一個是預(yù)訓(xùn)練階段，一個是微調(diào)階段.XLNet專注于訓(xùn)練階段。在預(yù)訓(xùn)練階段，提出了一個叫做置換語言建模的新的目標(biāo)，我們可以知道這個名字的基本概念，它使用置換。
圖1：給定相同輸入序列x，但具有不同因式分解順序的預(yù)測 x3 的置換語言建模目標(biāo)的說明
這里我們以一個例子來解釋。序列順序是[x1，x2，x3，x4]。這些序列的所有排列都在下面。
因此，對于這4個標(biāo)記(N)句，有24(N!)組排列。
情況是，我們希望預(yù)測x3。24位排列中有4種類型，x3位于第1位、第2位、第3位、第4位。
四種模式
在這里，我們將 x3 的位置設(shè)置為第t個位置，t-1標(biāo)記是預(yù)測 x3 的上下文詞。
x3之前的單詞在序列中包含所有可能的單詞和長度。從直覺上講，該模型將學(xué)習(xí)從兩個方面的所有位置收集信息。
執(zhí)行比上面的解釋要復(fù)雜得多，我不會在這里說的。但是你應(yīng)該得到關(guān)于XLNet的最基本和最重要的想法。
就像BERT把MASK方法帶給了公眾一樣，XLNet顯示置換方法是作為語言模型目標(biāo)的一個很好的選擇?？梢灶A(yù)見，未來對語言模型目標(biāo)的探索還會有更多的工作。
論文: https://arxiv.org/abs/1906.08237
代碼：https://github.com/zihangdai/xlnet
本文編輯：王立魚
英語原文：https://towardsdatascience.com/what-is-xlnet-and-why-it-outperforms-bert-8d8fce710335
想要繼續(xù)查看該篇文章相關(guān)鏈接和參考文獻(xiàn)？雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
點擊【什么是 XLNet ? 為什么它的性能優(yōu)于 BERT？】即可訪問!
福利大放送——滿滿的干貨課程免費送！
「好玩的Python：從數(shù)據(jù)挖掘到深度學(xué)習(xí)」該課程涵蓋了從Python入門到CV、NLP實踐等內(nèi)容，是非常不錯的深度學(xué)習(xí)入門課程，共計9節(jié)32課時，總長度約為13個小時。。
課程頁面：https://ai.yanxishe.com/page/domesticCourse/37
「計算機(jī)視覺基礎(chǔ)入門課程」本課程主要介紹深度學(xué)習(xí)在計算機(jī)視覺方向的算法與應(yīng)用，涵蓋了計算機(jī)視覺的歷史與整個課程規(guī)劃、CNN的模型原理與訓(xùn)練技巧、計算機(jī)視覺的應(yīng)用案例等，適合對計算機(jī)視覺感興趣的新人。
課程頁面：https://ai.yanxishe.com/page/domesticCourse/46
現(xiàn)AI研習(xí)社將兩門課程免費開放給社區(qū)認(rèn)證用戶，只要您在認(rèn)證時在備注框里填寫「Python」，待認(rèn)證通過后，即可獲得該課程全部解鎖權(quán)限。心動不如行動噢~
認(rèn)證方式：https://ai.yanxishe.com/page/blogDetail/13999
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
