寫(xiě)在前面
今天分享給大家一篇哈工大訊飛聯(lián)合實(shí)驗室的論文,一種基于亂序語(yǔ)言模型的預訓練模型-PERT,全名《PERT: PRE-TRAINING BERT WITH PERMUTED LANGUAGE MODEL》。該篇論文的核心是,將MLM語(yǔ)言模型的掩碼詞預測任務(wù),替換成詞序預測任務(wù),也就是在不引入掩碼標記[MASK]的情況下自監督地學(xué)習文本語(yǔ)義信息,隨機將一段文本的部分詞序打亂,然后預測被打亂詞語(yǔ)的原始位置。
PERT模型的Github以及對應的開(kāi)源模型其實(shí)年前就出來(lái)了,只是論文沒(méi)有放出。今天一瞬間想起來(lái)去看一眼,這不,論文在3月14號的時(shí)候掛到了axirv上,今天分享給大家。
paper:https://arxiv.org/pdf/2203.06906.pdf
github:https://github.com/ymcui/PERT
介紹
預訓練語(yǔ)言模型(PLMs)目前在各種自然語(yǔ)言處理任務(wù)中均取得了優(yōu)異的效果。預訓練語(yǔ)言模型主要分為自編碼和自回歸兩種。自編碼PLMs的預訓練任務(wù)通常是掩碼語(yǔ)言模型任務(wù),即在預訓練階段,使用[MASK]標記替換原始輸入文本中的一些token,并在詞匯表中恢復這些被[MASK]的token。
常用預訓練語(yǔ)言模型總結:https://zhuanlan.zhihu.com/p/406512290
那么,自編碼PLMs只能使用掩碼語(yǔ)言模型任務(wù)作為預訓練任務(wù)嗎?我們發(fā)現一個(gè)有趣的現象“在一段文本中隨機打亂幾個(gè)字并不會(huì )影響我們對這一段文本的理解”,如下圖所示,乍一看,可能沒(méi)有注意到句子中存在一些亂序詞語(yǔ),并且可以抓住句子的中心意思。該論文探究了是否可以通過(guò)打亂句子中的字詞來(lái)學(xué)習上下文的文本表征,并提出了一個(gè)新的預訓練任務(wù),即亂序語(yǔ)言模型(PerLM)。
模型
PERT模型結構如上圖所示。PERT模型結構與BERT模型結構相同,僅在模型輸入以及預訓練目標上略有不同。
PERT模型的細節如下:
- 采用亂序語(yǔ)言模型作為預訓練任務(wù),預測目標為原始字詞的位置;
- 預測空間大小取決于輸入序列長(cháng)度,而不是整個(gè)詞表的大?。ㄑ诖a語(yǔ)言模型預測空間為詞表);
- 不采用NSP任務(wù);
- 通過(guò)全詞屏蔽和N-gram屏蔽策略來(lái)選擇亂序的候選標記;
- 亂序的候選標記的概率為15%,并且真正打亂順序僅占90%,剩余10%保持不變。
由于亂序語(yǔ)言模型不使用[MASK]標記,減輕了預訓練任務(wù)與微調任務(wù)之間的gap,并由于預測空間大小為輸入序列長(cháng)度,使得計算效率高于掩碼語(yǔ)言模型。PERT模型結構與BERT模型一致,因此在下游預訓練時(shí),不需要修改原始BERT模型的任何代碼與腳本。注意,與預訓練階段不同,在微調階段使用正常的輸入序列,而不是打亂順序的序列。
中文實(shí)驗結果與分析
預訓練參數
- 數據:由中文維基百科、百科全書(shū)、社區問(wèn)答、新聞文章等組成,共5.4B字,大約20G。
- 訓練參數:詞表大小為21128,最大序列長(cháng)度為512,batch大小為416(base版模型)和128(large版模型),初始學(xué)習率為1e-4,使用 warmup動(dòng)態(tài)調節學(xué)習率,總訓練步數為2M,采用ADAM優(yōu)化器。
- 訓練設備:一臺TPU,128G。
機器閱讀理解MRC任務(wù)
在CMRC2018和DRCD兩個(gè)數據集上對機器閱讀理解任務(wù)進(jìn)行評測,結果如下表所示。
PERT模型相比于MacBERT模型有部分的提高,并且始終優(yōu)于其他模型。
文本分類(lèi)TC任務(wù)
在XNLI、LCQMC、BQ Corpus、ChnSentiCorp、TNEWS和OCNLI 6個(gè)數據集上對文本分類(lèi)任務(wù)進(jìn)行評測,結果如下表所示。
在文本分類(lèi)任務(wù)上,PERT模型表現不佳。推測與MRC任務(wù)相比,預訓練中的亂序文本給理解短文本帶來(lái)了困難。
命名實(shí)體識別NER任務(wù)
在MSRA-NER和People’s Daily兩個(gè)數據集上對命名實(shí)體識別任務(wù)進(jìn)行評測,結果如下表所示。
PERT模型相比于其他模型均取得最優(yōu)的效果,表明預訓練中的亂序文在序列標記任務(wù)中的良好能力。
對比機器閱讀理解、文本分類(lèi)和命名實(shí)體識別三個(gè)任務(wù),可以發(fā)現,PERT模型在MRC和NER任務(wù)上表現較好,但在TC任務(wù)上表現不佳,這意味著(zhù)TC任務(wù)對詞語(yǔ)順序更加敏感,由于TC任務(wù)的輸入文本相對較短,有些詞語(yǔ)順序的改變會(huì )給輸入文本帶來(lái)完全的意義變化。然而,MRC任務(wù)的輸入文本通常很長(cháng),幾個(gè)單詞的排列可能不會(huì )改變整個(gè)文章的敘述流程;并且對于NER任務(wù),由于命名實(shí)體在整個(gè)輸入文本中只占很小的比例,因此詞語(yǔ)順序改變可能不會(huì )影響NER進(jìn)程。
語(yǔ)法檢查任務(wù)
在Wikipedia、Formal Doc、Customs和Legal 4個(gè)數據集上對文本分類(lèi)任務(wù)進(jìn)行評測語(yǔ)法檢查任務(wù)進(jìn)行評測,結果如下表所示。
PERT模型相比于其他模型均取得最優(yōu)的效果,這是由于下游任務(wù)與預訓練任務(wù)非常相似導致的。
預訓練的訓練步數對PERT模型的影響
不同的下游任務(wù)的最佳效果可能出現在不同的預訓練步驟上,如下圖所示。
我們發(fā)現對于MRC和NER任務(wù),隨著(zhù)預訓練步數的增加,下游任務(wù)也會(huì )隨之提高。然而,對于TC任務(wù),不同數據的指標在不同的步數上取得最優(yōu)。如果考慮到特定任務(wù)的效果,有必要在早期訓練中保存部分模型。
不同的打亂粒度對PERT模型的影響
不同粒度間的打亂,可以使使輸入文本更具可讀性。通過(guò)在不同粒度內亂序輸入文本來(lái)比較性能,如下表所示。
我們發(fā)現,在各種打亂粒度中,無(wú)限制亂序的PERT模型在所有任務(wù)中都取得了最優(yōu)的效果;而選擇最小粒度(詞語(yǔ)之間)的模型,效果最差??赡茉蚴?,雖然使用更小的粒度的亂序可以使輸入文本更具可讀性,但是對預訓練任務(wù)的挑戰性較小,使模型不能學(xué)習到更好地語(yǔ)義信息。
不同預測空間對PERT模型的影響
將PERT模型使用詞表空間作為預測目標是否有效?如下表所示。
實(shí)驗結果表明,PERT模型不需要在詞表空間中進(jìn)行預測,其表現明顯差于在輸入序列上的預測;并且將兩者結合的效果也不盡如人意。
預測部分序列和預測全部序列對PERT模型的影響
ELECTRA模型的實(shí)驗發(fā)現預測完全序列的效果比部分序列的更好,因此ELECTRA模型采用RTD任務(wù)對判別器采用完全序列預測。但通過(guò)本論文實(shí)驗發(fā)現,預測完全序列在PERT模型中并沒(méi)有產(chǎn)生更好的效果。表明在預訓練任務(wù)中使用預測全部序列并不總是有效的,需要根據所設計的預訓練任務(wù)進(jìn)行調整。
總結
PERT模型的預訓練思路還是挺有意思的,并在MRC、NER和WOR任務(wù)上均取得了不錯的效果。并且由于結構與BERT模型一致,因此在下游任務(wù)使用時(shí),僅修改預訓練模型加載路徑就實(shí)現了模型替換,也比較方便。當打比賽或者做業(yè)務(wù)時(shí)候,可以不妨試一試,說(shuō)不定有奇效。(ps:我在我們自己的MRC數據集上做過(guò)實(shí)驗,效果不錯呦?。。?/p>
審核編輯 :李倩
-
語(yǔ)言模型
+關(guān)注
關(guān)注
0文章
463瀏覽量
10152 -
自然語(yǔ)言處理
+關(guān)注
關(guān)注
1文章
511瀏覽量
13256
原文標題:PERT:一種基于亂序語(yǔ)言模型的預訓練模型
文章出處:【微信號:zenRRan,微信公眾號:深度學(xué)習自然語(yǔ)言處理】歡迎添加關(guān)注!文章轉載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
【大規模語(yǔ)言模型:從理論到實(shí)踐】- 每日進(jìn)步一點(diǎn)點(diǎn)
大語(yǔ)言模型:原理與工程實(shí)踐+初識2
【大語(yǔ)言模型:原理與工程實(shí)踐】大語(yǔ)言模型的應用
【大語(yǔ)言模型:原理與工程實(shí)踐】大語(yǔ)言模型的評測
【大語(yǔ)言模型:原理與工程實(shí)踐】大語(yǔ)言模型的預訓練
【大語(yǔ)言模型:原理與工程實(shí)踐】大語(yǔ)言模型的基礎技術(shù)
【大語(yǔ)言模型:原理與工程實(shí)踐】核心技術(shù)綜述
【大語(yǔ)言模型:原理與工程實(shí)踐】揭開(kāi)大語(yǔ)言模型的面紗
【大語(yǔ)言模型:原理與工程實(shí)踐】探索《大語(yǔ)言模型原理與工程實(shí)踐》
盤(pán)點(diǎn)一下史上最全大語(yǔ)言模型訓練中的網(wǎng)絡(luò )技術(shù)
![盤(pán)點(diǎn)一下史上最全大<b class='flag-5'>語(yǔ)言</b><b class='flag-5'>模型</b><b class='flag-5'>訓練</b>中的網(wǎng)絡(luò )技術(shù)](https://file1.elecfans.com/web2/M00/C6/E0/wKgaomYD5jSAe9vjAAA7yK1G-tM319.png)
名單公布!【書(shū)籍評測活動(dòng)NO.30】大規模語(yǔ)言模型:從理論到實(shí)踐
大語(yǔ)言模型簡(jiǎn)介:基于大語(yǔ)言模型模型全家桶Amazon Bedrock
大語(yǔ)言模型(LLM)預訓練數據集調研分析
![大<b class='flag-5'>語(yǔ)言</b><b class='flag-5'>模型</b>(LLM)預<b class='flag-5'>訓練</b>數據集調研分析](https://file1.elecfans.com//web2/M00/A3/D6/wKgZomUKEIKAbs69AAZcfztKYP4114.png)
評論