作者:韩信子@ShowMeAI,路遥@ShowMeAI,奇异果@ShowMeAI
教程地址:http://www.showmeai.tech/tutorials/36
本文地址:http://www.showmeai.tech/article-detail/243
申明:版权所有,转载请分割平台与作者并注明出处
珍藏ShowMeAI查看更多精彩内容
ShowMeAI为斯坦福CS224n《自然语言解决与深度学习(Natural Language Processing with Deep Learning)》课程的全副课件,做了中文翻译和正文,并制作成了GIF动图!
本讲内容的深度总结教程能够在这里 查看。视频和课件等材料的获取形式见文末。
引言
概述
- 引入新工作:机器翻译
引入一种新的神经构造:sequence-to-sequence
- 机器翻译是 sequence-to-sequence 的一个次要用例
引入一种新的神经技术:注意力
- sequence-to-sequence 通过 attention 失去晋升
1.机器翻译与SMT(统计机器翻译)
1.1 Pre-neural Machine Translation
1.2 机器翻译
机器翻译(MT)是将一个句子 \(x\) 从一种语言(源语言)转换为另一种语言(目标语言)的句子 \(y\) 的工作。
1.3 1950s:晚期机器翻译
机器翻译钻研始于20世纪50年代初。
- 俄语 → 英语(热战的推动)
- 零碎次要是基于规定的,应用双语词典来讲俄语单词映射为对应的英语局部
1.4 1990s-2010s:统计机器翻译
- 外围想法:从数据中学习概率模型
- 假如咱们正在翻译法语 → 英语
- 对于给定法语句子 \(x\),咱们想要找到最好的英语句子 \(y\)
$$argmax_yP(y \mid x)$$
- 应用Bayes规定将其合成为两个组件从而别离学习
$$argmax_yP(x \mid y) P(y)$$
\(P(x \mid y)\):Translation Model / 翻译模型
- 剖析单词和短语应该如何翻译(真切)
- 从并行数据中学习
\(P(y)\):Language Model / 语言模型
- 模型如何写出好英语(流畅)
- 从单语数据中学习
1.5 1990s-2010s:统计机器翻译
- 问题:如何学习翻译模型 P(x \mid y)?
- 首先,须要大量的并行数据(例如成对的人工翻译的法语/英语句子)
1.6 SMT的学习对齐
- 问题:如何从并行语料库中学习翻译模型 \(P(x \mid y)\)?
- 进一步合成:咱们实际上想要思考
$$P(x,a \mid y)$$
- \(a\) 是对齐
- 即法语句子 \(x\) 和英语句子 \(y\) 之间的单词级对应
1.7 对齐
Examples from: “The Mathematics of Statistical Machine Translation: Parameter Estimation", Brown et al, 1993. http://www.aclweb.org/antholo...
对齐是翻译句子中特定词语之间的对应关系
- 留神:有些词没有对应词
1.8 对齐是简单的
- 对齐能够是多对一的
1.9 对齐是简单的
- 对齐能够是一对多的
1.10 对齐是简单的
- 有些词很丰盛
- 对齐能够是多对多(短语级)
咱们学习很多因素的组合,包含
- 特定单词对齐的概率(也取决于发送地位)
- 特定单词具备特定多词对应的概率(对应单词的数量)
1.11 SMT的学习对齐
问题:如何计算argmax
- 咱们能够列举所有可能的 \(y\) 并计算概率?→ 计算成本太高
答复:应用启发式搜索算法搜寻最佳翻译,抛弃概率过低的假如
- 这个过程称为解码
1.12 SMT解码
Source: ”Statistical Machine Translation", Chapter 6, Koehn, 2009. https://www.cambridge.org/cor...
1.13 SMT解码
1.14 1990s-2010s:统计机器翻译
- SMT是一个微小的钻研畛域
最好的零碎非常复杂
- 数以百计的重要细节咱们还没有提到
- 零碎有许多独立设计子组件工程
大量特色工程
- 很多性能须要设计个性来获取特定的语言景象
须要编译和保护额定的资源
- 比方双语短语对应表
须要大量的人力来保护
- 对于每一对语言都须要反复操作
2.神经网络机器翻译
2.1 Neural Machine Translation
2.2 神经机器翻译(NMT)
2.3 神经机器翻译(NMT)
- 神经机器翻译(NMT)是利用单个神经网络进行机器翻译的一种办法
- 神经网络架构称为 sequence-to-sequence (又名seq2seq),它蕴含两个RNNs
2.4 神经机器翻译(NMT)
- 编码器RNN生成源语句的编码
- 源语句的编码为解码器RNN提供初始暗藏状态
- 解码器RNN是一种以编码为条件生成指标句的语言模型
- 留神:此图显示了测试时行为 → 解码器输入作为下一步的输出
2.5 Sequence-to-sequence是多功能的!
- 序列到序列不仅仅对机器翻译有用
许多NLP工作能够依照程序进行表白
- 摘要(长文本 → 短文本)
- 对话(前一句话 → 下一句话)
- 解析(输出文本 → 输入解析为序列)
- 代码生成(自然语言 → Python代码)
2.6 神经机器翻译(NMT)
sequence-to-sequence 模型是条件语言模型的一个例子
- 语言模型(Language Model),因为解码器正在预测指标句的下一个单词 \(y\)
- 条件束缚的(Conditional),因为预测也取决于源句 \(x\)
- NMT间接计算 \(P(y \mid x)\)
$$P(y | x)=P\left(y_{1} | x\right) P\left(y_{2} | y_{1}, x\right) P\left(y_{3} | y_{1}, y_{2}, x\right) \ldots P\left(y_{T} | y_{1}, \ldots, y_{T-1}, x\right)$$
- 上式中最初一项为,给定到目前为止的指标词和源句 \(x\),下一个指标词的概率
- 问题:如何训练NMT零碎?
- 答复:找一个大的平行语料库
2.7 训练一个机器翻译零碎
- Seq2seq被优化为一个繁多的零碎。反向流传运行在“端到端”中
3.机器翻译解码
3.1 贪心解码
- 咱们理解了如何生成(或“解码”)指标句,通过对解码器的每个步骤应用 argmax
- 这是贪心解码(每一步都取最可能的单词)
- 这种办法有问题吗?
3.2 贪心解码的问题
- 贪心解码没有方法撤销决定
- 如何修复?
3.3 穷举搜寻解码
- 现实状况下,咱们想要找到一个(长度为 \(T\) )的翻译 \(y\) 使其最大化
咱们能够尝试计算所有可能的序列 \(y\)
- 这意味着在解码器的每一步 \(t\) ,咱们跟踪 \(V^t\)个可能的局部翻译,其中 \(V\) 是 vocab 大小
- 这种 \(O(V^T)\) 的复杂性太低廉了!
3.4 集束搜寻解码
核心思想:在解码器的每一步,跟踪 \(k\) 个最可能的局部翻译(咱们称之为假如[hypotheses ] )
- \(k\) 是Beam的大小(理论中大概是5到10)
- 假如 \(y_1, \ldots,y_t\) 有一个分数,即它的对数概率
$$\operatorname{score}\left(y_{1}, \ldots, y_{t}\right)=\log P_{\mathrm{LM}}\left(y_{1}, \ldots, y_{t} | x\right)=\sum_{i=1}^{t} \log P_{\operatorname{LM}}\left(y_{i} | y_{1}, \ldots, y_{i-1}, x\right)$$
- 分数都是正数,分数越高越好
- 咱们寻找得分较高的假如,跟踪每一步的 top k 个局部翻译
- 波束搜寻 不肯定能 找到最优解
- 但比穷举搜寻效率高得多
3.5 集束搜寻解码:示例
- Beam size = k = 2
- 蓝色的数字是
$$\operatorname{score}\left(y_{1}, \ldots, y_{t}\right)=\sum_{i=1}^{t} \log P_{\operatorname{LM}}\left(y_{i} | y_{1}, \ldots, y_{i-1}, x\right)$$
- 计算下一个单词的概率分布
取前 \(k\) 个单词并计算分数
- 对于每一次的 \(k\) 个假如,找出最后面的 \(k\) 个单词并计算分数
在 \(k^2\) 的假如中,保留 \(k\) 个最高的分值
- \(t = 2\) 时,保留分数最高的
hit
和was
- \(t = 3\) 时,保留分数最高的
a
和me
- \(t = 4\) 时,保留分数最高的
pie
和with
- \(t = 5\) 时,保留分数最高的
a
和one
- \(t = 6\) 时,保留分数最高的
pie
- \(t = 2\) 时,保留分数最高的
- 这是最高得分的假如
- 回溯以取得残缺的假如
3.6 集束搜寻解码:进行判据
在贪婪解码中,咱们通常解码到模型产生一个 <END> 令牌
- 例如:<START> he hit me with a pie <END>
在集束搜寻解码中,不同的假如可能在不同的工夫步长上产生 <END> 令牌
- 当一个假如生成了 <END> 令牌,该假如实现
- 把它放在一边,通过 Beam Search 持续摸索其余假如
通常咱们持续进行 Beam Search ,直到
- 咱们达到工夫步长 \(T\) (其中 \(T\) 是预约义截止点)
- 咱们至多有 \(n\) 个已实现的假如(其中 \(n\) 是预约义截止点)
3.7 集束搜寻解码:实现
- 咱们有残缺的假如列表
- 如何抉择得分最高的?
- 咱们清单上的每个假如 \(y_1, \ldots ,y_t\) 都有一个分数
$$\operatorname{score}\left(y_{1}, \ldots, y_{t}\right)=\log P_{\mathrm{LM}}\left(y_{1}, \ldots, y_{t} \mid x\right)=\sum_{i=1}^{t} \log P_{\operatorname{LM}}\left(y_{i} \mid y_{1}, \ldots, y_{i-1}, x\right)$$
- 问题在于 :较长的假如得分较低
- 修改:按长度标准化。用下式来抉择top one
$$\frac{1}{t} \sum_{i=1}^{t} \log P_{\mathrm{LM}}\left(y_{i} \mid y_{1}, \ldots, y_{i-1}, x\right)$$
3.8 神经机器翻译(NMT)的长处
与SMT相比,NMT有很多长处
更好的性能
- 更流畅
- 更好地应用上下文
- 更好地应用短语相似性
单个神经网络端到端优化
- 没有子组件须要独自优化
须要更少的人类工程付出
- 无特色工程
- 所有语言对的办法雷同
3.9 神经机器翻译(NMT)的毛病
SMT相比,NMT的毛病
NMT的可解释性较差
- 难以调试
NMT很难管制
- 例如,不能轻松指定翻译规定或指南
- 平安问题
4.机器翻译评估
4.1 如何评估机器翻译品质
BLEU (Bilingual Evaluation Understudy)
- 你将会在 Assignment 4 中看到BLEU的细节
BLEU将机器翻译和人工翻译(一个或多个),并计算一个类似的分数
- n-gram 精度 (n通常为1-4)
- 对过于短的机器翻译的加上惩办
BLEU很有用,但不完满
- 有很多无效的办法来翻译一个句子
- 所以一个好的翻译能够失去一个蹩脚的BLEU score,因为它与人工翻译的n-gram重叠较低
4.2 MT随时间推移的提高
Source: http://www.meta-net.eu/events...
4.3 NMT:NLP深度学习的最大胜利案例
神经机器翻译于2014年从边缘钻研流动到2016年成为当先规范办法
- 2014:第一篇 seq2seq 的文章公布
- 2016:谷歌翻译从 SMT 换成了 NMT
这是惊人的
- 由数百名工程师历经多年打造的SMT零碎,在短短几个月内就被多数工程师训练过的NMT零碎超过
4.4 机器翻译问题完满解决了吗?
Further reading: “Has AI surpassed humans at translation? Not even close!” https://www.skynettoday.com/e...
Source: https://hackernoon.com/bias-s...
Picture source: https://www.vice.com/en_uk/ar...
Explanation: https://www.skynettoday.com/b...
- 没有!
许多艰难依然存在
- 词表外的单词解决
- 训练和测试数据之间的畛域不匹配
- 在较长文本上保护上下文
- 资源较低的语言对
- 应用常识依然很难
- NMT在训练数据中发现偏差
- 无法解释的零碎会做一些奇怪的事件
4.5 NMT钻研仍在持续
- NMT是NLP深度学习的外围工作
- NMT钻研引领了NLP深度学习的许多最新翻新
2019年:NMT钻研将持续蓬勃发展
- 钻研人员发现,对于咱们明天介绍的一般seq2seq NMT零碎,有很多、很多的改良。
- 但有一个改良是如此不可或缺
5.注意力机制
5.1 Attention
5.2 Sequence-to-sequence:瓶颈问题
- 源语句的编码
- 须要捕捉对于源语句的所有信息
- 信息瓶颈!
5.3 注意力
- 注意力为瓶颈问题提供了一个解决方案
- 核心理念:在解码器的每一步,应用与编码器的间接连贯来专一于源序列的特定局部
- 首先咱们将通过图表展现(没有方程),而后咱们将用方程展现
5.4 带注意力机制的序列到序列模型
- 将解码器局部的第一个token <START> 与源语句中的每一个工夫步的暗藏状态进行 Dot Product 失去每一时间步的分数
- 通过softmax将分数转化为概率分布
- 在这个解码器工夫步长上,咱们次要关注第一个编码器暗藏状态(“he”)
- 利用注意力散布对编码器的暗藏状态进行加权求和
- 注意力输入次要蕴含来自于受到高度关注的暗藏状态的信息
- 连贯的注意力输入与解码器暗藏状态 ,而后用来计算 \(\hat y_1\)
- 有时,咱们从后面的步骤中提取注意力输入,并将其输出解码器(连同通常的解码器输出)。咱们在作业4中做这个。
5.5 注意力:公式
- 咱们有编码器暗藏状态 \(h_{1}, \ldots, h_{N} \in \mathbb{R}^{h}\)
- 在工夫步 \(t\) 上,咱们有解码器暗藏状态 \(s_{t} \in \mathbb{R}^{h}\)
- 咱们失去这一步的留神分数
$$e^{t}=\left[s_{t}^{T} \boldsymbol{h}_{1}, \ldots, \boldsymbol{s}_{t}^{T} \boldsymbol{h}_{N}\right] \in \mathbb{R}^{N}$$
- 咱们应用softmax失去这一步的留神散布 \(\alpha^{t}\) (这是一个概率分布,和为1)
$$\alpha^{t}=\operatorname{softmax}\left(e^{t}\right) \in \mathbb{R}^{N}$$
- 咱们应用 \(\alpha^{t}\) 来取得编码器暗藏状态的加权和,失去注意力输入 \(\alpha^{t}\)
$$\boldsymbol{a}_{t}=\sum_{i=1}^{N} \alpha_{i}^{t} \boldsymbol{h}_{i} \in \mathbb{R}^{h}$$
- 最初,咱们将留神输入 \(\alpha^{t}\) 与解码器暗藏状态连接起来,并依照非留神 seq2seq 模型持续进行
$$\left[\boldsymbol{a}_{t} ; \boldsymbol{s}_{t}\right] \in \mathbb{R}^{2 h}$$
5.6 注意力很棒!
注意力显著进步了NMT性能
- 这是十分有用的,让解码器专一于某些局部的源语句
注意力解决瓶颈问题
- 注意力容许解码器间接查看源语句;绕过瓶颈
注意力帮忙隐没梯度问题
- 提供了通往边远状态的捷径
注意力提供了一些可解释性
- 通过查看注意力的散布,咱们能够看到解码器在关注什么
- 咱们能够收费失去(软)对齐
- 这很酷,因为咱们素来没有明确训练过对齐零碎
- 网络只是自主学习了对齐
5.7 注意力是一种广泛的深度学习技巧
- 咱们曾经看到,注意力是改良机器翻译的序列到序列模型的一个很好的办法
- 然而:你能够在许多构造(不仅仅是seq2seq)和许多工作(不仅仅是MT)中应用注意力
- 咱们有时说 query attends to the values
- 例如,在seq2seq + attention模型中,每个解码器的暗藏状态(查问)关注所有编码器的暗藏状态(值)
5.8 注意力是一种广泛的深度学习技巧
注意力的更个别定义
- 给定一组向量值和一个向量查问,注意力是一种依据查问,计算值的加权和的技术
直觉
- 加权和是值中蕴含的信息的选择性汇总,查问在其中确定要关注哪些值
- 留神是一种获取任意一组示意(值)的固定大小示意的办法,依赖于其余一些示意(查问)。
5.9 有几种注意力的变体
- 候选值 \(\boldsymbol{h}_{1}, \ldots, \boldsymbol{h}_{N} \in \mathbb{R}^{d_{1}}\),查问 \(s \in \mathbb{R}^{d_{2}}\)
注意力总是包含:
- 计算注意力得分 \(e \in \mathbb{R}^{N}\) (很多种计算形式)
- 采取softmax来取得注意力散布 \(\alpha\)
$$\alpha=\operatorname{softmax}(\boldsymbol{e}) \in \mathbb{R}^{N}$$
- 应用注意力散布对值进行加权求和:从而失去注意力输入 \(\alpha\) (有时称为上下文向量)
$$\boldsymbol{a}=\sum_{i=1}^{N} \alpha_{i} \boldsymbol{h}_{i} \in \mathbb{R}^{d_{1}}$$
5.10 注意力的变体
More information: “Deep Learning for NLP Best Practices”, Ruder, 2017. http://ruder.io/deep-learning...
“Massive Exploration of Neural Machine Translation Architectures”, Britz et al, 2017, https://arxiv.org/pdf/1703.03...
- 有几种办法能够从 \(\boldsymbol{h}_{1}, \ldots, \boldsymbol{h}_{N} \in \mathbb{R}^{d_{1}}\) 计算 \(e \in \mathbb{R}^{N}\) 和 \(s \in \mathbb{R}^{d_{2}}\)
根本的点乘注意力 \(\boldsymbol{e}_{i}=\boldsymbol{s}^{T} \boldsymbol{h}_{i} \in \mathbb{R}\)
- 留神:这里假如 \(d_1 = d_2\) [这是咱们之前看到的版本]
乘法注意力 \(e_{i}=s^{T} \boldsymbol{W} \boldsymbol{h}_{i} \in \mathbb{R}\)
- \(\boldsymbol{W} \in \mathbb{R}^{d_{2} \times d_{1}}\) 是权重矩阵
加法注意力 \(e_{i}=\boldsymbol{v}^{T} \tanh \left(\boldsymbol{W}_{1} \boldsymbol{h}_{i}+\boldsymbol{W}_{2} \boldsymbol{s}\right) \in \mathbb{R}\)
- 其中 \(\boldsymbol{W}_{1} \in \mathbb{R}^{d_{3} \times d_{1}}, \boldsymbol{W}_{2} \in \mathbb{R}^{d_{3} \times d_{2}}\) 是权重矩阵,\(\boldsymbol{v} \in \mathbb{R}^{d_{3}}\) 是权重向量 ,\(d_3\) (注意力维度)是一个超参数
5.11 课程总结
- 咱们学习了一些机器翻译的历史
- 自2014年以来,神经机器翻译迅速取代了简单的统计机器翻译
- Sequence-to-sequence 是NMT的体系结构(应用2个RNN)
注意力是一种集中注意力的办法
- 从序列到序列改良了很多
6.视频教程
能够点击 B站 查看视频的【双语字幕】版本
7.参考资料
- 本讲带学的在线阅翻页本
- 《斯坦福CS224n深度学习与自然语言解决》课程学习指南
- 《斯坦福CS224n深度学习与自然语言解决》课程大作业解析
- 【双语字幕视频】斯坦福CS224n | 深度学习与自然语言解决(2019·全20讲)
- Stanford官网 | CS224n: Natural Language Processing with Deep Learning
ShowMeAI系列教程举荐
- 大厂技术实现 | 举荐与广告计算解决方案
- 大厂技术实现 | 计算机视觉解决方案
- 大厂技术实现 | 自然语言解决行业解决方案
- 图解Python编程:从入门到精通系列教程
- 图解数据分析:从入门到精通系列教程
- 图解AI数学根底:从入门到精通系列教程
- 图解大数据技术:从入门到精通系列教程
- 图解机器学习算法:从入门到精通系列教程
- 机器学习实战:手把手教你玩转机器学习系列
- 深度学习教程 | 吴恩达专项课程 · 全套笔记解读
- 自然语言解决教程 | 斯坦福CS224n课程 · 课程带学与全套笔记解读
NLP系列教程文章
- NLP教程(1)- 词向量、SVD合成与Word2vec
- NLP教程(2)- GloVe及词向量的训练与评估
- NLP教程(3)- 神经网络与反向流传
- NLP教程(4)- 句法分析与依存解析
- NLP教程(5)- 语言模型、RNN、GRU与LSTM
- NLP教程(6)- 神经机器翻译、seq2seq与注意力机制
- NLP教程(7)- 问答零碎
- NLP教程(8)- NLP中的卷积神经网络
- NLP教程(9)- 句法分析与树形递归神经网络
斯坦福 CS224n 课程带学详解
- 斯坦福NLP课程 | 第1讲 - NLP介绍与词向量初步
- 斯坦福NLP课程 | 第2讲 - 词向量进阶
- 斯坦福NLP课程 | 第3讲 - 神经网络常识回顾
- 斯坦福NLP课程 | 第4讲 - 神经网络反向流传与计算图
- 斯坦福NLP课程 | 第5讲 - 句法分析与依存解析
- 斯坦福NLP课程 | 第6讲 - 循环神经网络与语言模型
- 斯坦福NLP课程 | 第7讲 - 梯度隐没问题与RNN变种
- 斯坦福NLP课程 | 第8讲 - 机器翻译、seq2seq与注意力机制
- 斯坦福NLP课程 | 第9讲 - cs224n课程大我的项目实用技巧与教训
- 斯坦福NLP课程 | 第10讲 - NLP中的问答零碎
- 斯坦福NLP课程 | 第11讲 - NLP中的卷积神经网络
- 斯坦福NLP课程 | 第12讲 - 子词模型
- 斯坦福NLP课程 | 第13讲 - 基于上下文的表征与NLP预训练模型
- 斯坦福NLP课程 | 第14讲 - Transformers自注意力与生成模型
- 斯坦福NLP课程 | 第15讲 - NLP文本生成工作
- 斯坦福NLP课程 | 第16讲 - 指代消解问题与神经网络办法
- 斯坦福NLP课程 | 第17讲 - 多任务学习(以问答零碎为例)
- 斯坦福NLP课程 | 第18讲 - 句法分析与树形递归神经网络
- 斯坦福NLP课程 | 第19讲 - AI平安偏见与偏心
- 斯坦福NLP课程 | 第20讲 - NLP与深度学习的将来