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/249
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!视频和课件等材料的获取形式见文末。
引言
授课打算
- A tiny bit of linguistics / 语法学基础知识
- Purely character-level models / 基于字符粒度的模型
- Subword-models: Byte Pair Encoding and friends / 子词模型
- Hybrid character and word level models / 混合字符与词粒度的模型
- fastText / fastText模型
1.语法学基础知识
1.1 人类语言的声音:语音学和语音体系
- 语音学 (honetics) 是音流无争议的
物理学
语音体系 (Phonology) 假设了一组或多组独特的、分类的单元:音素 (phoneme) 或者是独特的特色
- 这兴许是一种广泛的类型学,但却是一种非凡的语言实现
分类感知的最佳例子就是语音体系
- 音位差别放大
- 音素之间的放大
1.2 词法:词类
- 传统上,词素 (morphemes) 是最小的语义单位
$$\left[\left[\text {un}\left[[\text { fortun }(\mathrm{e})]_{\text { Root }} \text { ate }\right]_{\text { STEM }}\right]_{\text { STEM }} \text {ly}\right]_{\text { WORD }}$$
深度学习:形态学钻研较少;递归神经网络的一种尝试是 (Luong, Socher, & Manning 2013)
- 解决更大词汇量的一种可能办法:大多数看不见的单词是新的状态(或数字)
- 声音自身在语言中没有意义
- parts of words 是音素的下一级的形态学,是具备意义的最低级别
一个简略的代替办法是应用字符 n-grams
- Wickelphones (Rumelhart & McClelland 1986)
- Microsoft’s DSSM (Huang, He, Gao, Deng, Acero, & Hect2013)
- 应用卷积层的相干想法
- 能更容易地施展词素的许多长处吗?
1.3 书写零碎中的单词
- 书写零碎在表白单词的形式上差别有大有小
没有分词 (没有在单词间搁置空格)
- 例如中文
大部分的单词都是离开的:由单词组成了句子
附着词
- 离开的
- 间断的
复合名词
- 离开的
- 间断的
1.4 比单词粒度更细的模型
须要解决数量很大的凋谢词汇:微小的、有限的单词空间
- 丰盛的状态
- 音译 (特地是名字,在翻译中基本上是音译)
- 非正式的拼写
1.5 字符级模型
① 词嵌入能够由字符嵌入组成
- 为未知单词生成嵌入
- 类似的拼写共享类似的嵌入
- 解决OOV问题
- ② 间断语言能够作为字符解决:即所有的语言解决均建设在字符序列上,不思考 word-level
这两种办法都被证实是十分胜利的!
- 有点令人诧异的是:个别意义上,音素/字母不是一个语义单元:但深度学习模型形成了group
- 深度学习模型能够存储和构建来自多个字母组的含意示意,以模仿语素和更大单位的意义,汇总造成语义
1.6 单词之下:书写零碎
- 大多数深度学习NLP的工作,都是从语言的书面形式开始的:这是一种容易解决的、现成的数据
- 然而人类语言书写零碎不是一回事!各种语言的字符是不同的!
2.基于字符粒度的模型
2.1 纯字符级模型
上节课,咱们看到了一个很好的用于句子分类的纯字符级模型的例子
- 十分深的卷积网络用于文本分类
- Conneau, Schwenk, Lecun, Barrault.EACL 2017
- 弱小的后果通过深度卷积重叠
2.2 字符级别输入输出的机器翻译零碎
最后,成果令人不称心
- (Vilaret al., 2007; Neubiget al., 2013)
只有decoder (初步胜利)
- (JunyoungChung, KyunghyunCho, YoshuaBengio. arXiv 2016).
而后,呈现了还不错的后果
- (Wang Ling, Isabel Trancoso, Chris Dyer, Alan Black, arXiv 2015)
- (Thang Luong, Christopher Manning, ACL 2016)
- (Marta R. Costa-Jussà, José A. R. Fonollosa, ACL 2016)
2.3 English-Czech WMT 2015 Results
- Luong 和 Manning 测试了一个纯字符级 seq2seq (LSTM) NMT 零碎作为基线
它在单词级基线上运行得很好
- 对于 UNK,是用 single word translation 或者 copy stuff from the source
字符级的 model 成果更好了,然而太慢了
- 然而运行须要3周的工夫来训练,运行时没那么快
- 如果放进了 LSTM 中,序列长度变为以前的数倍 (大概七倍)
2.4 无显式宰割的齐全字符级神经机器翻译
- Jason Lee, KyunghyunCho, Thomas Hoffmann. 2017.
- 编码器如下
- 解码器是一个字符级的 GRU
2.5 #论文解读# Stronger character results with depth in LSTM seq2seq model
- Revisiting Character-Based Neural Machine Translation with Capacity and Compression. 2018. Cherry, Foster, Bapna, Firat, Macherey, Google AI
- 在 LSTM-seq2seq 模型中,随着深度的减少,特色越强
在捷克语这样的简单语言中,字符级模型的成果晋升较为显著,然而在英语和法语等语言中则收效甚微。
- 模型较小时,word-level 更佳
- 模型较大时,character-level 更佳
3.子词模型
3.1 子词模式:两种趋势
与 word 级模型雷同的架构
- 然而应用更小的单元:
word pieces
- [Sennrich, Haddow, Birch, ACL’16a], [Chung, Cho, Bengio, ACL’16].
- 然而应用更小的单元:
混合架构
- 主模型应用单词,其余应用字符级
- [Costa-Jussà& Fonollosa, ACL’16], [Luong & Manning, ACL’16].
3.2 字节对编码/BPE
最后的压缩算法
- 最频繁的字节 → 一个新的字节。
- 用字符 ngram 替换字节(实际上,有些人曾经用字节做了一些乏味的事件)
Rico Sennrich, Barry Haddow, and Alexandra Birch. Neural Machine Translation of Rare Words with SubwordUnits. ACL 2016.
- https://arxiv.org/abs/1508.07909
- https://github.com/rsennrich/...
- https://github.com/EdinburghN...
分词 (word segmentation) 算法
- 尽管做得很简略,有点像是自下而上的短序列聚类
- 将数据中的所有的 Unicode 字符组成一个 unigram 的词典
- 最常见的 ngram pairs 视为 一个新的 ngram
- BPE 并未深度学习的无关算法,但已成为规范且胜利示意 pieces of words 的办法,能够取得一个无限的词典与有限且无效的词汇表。
- 有一个指标词汇量,当你达到它的时候就进行
- 做确定性的最长分词宰割
- 宰割只在某些先前标记器 (通常MT应用的 Moses tokenizer) 标识的单词中进行
主动为零碎增加词汇
- 不再是基于传统形式的 strongly
word
- 不再是基于传统形式的 strongly
- 2016年WMT排名第一!依然广泛应用于2018年WMT
- https://github.com/rsennrich/...
3.3 Wordpiece / Sentencepiece模型
谷歌 NMT (GNMT) 应用了它的一个变体
- V1: wordpiece model
- V2: sentencepiece model
不应用字符的 n-gram count,而是应用贪婪近似来最大化语言模型的对数似然函数值,抉择对应的 pieces
- 增加最大限度地缩小困惑的 n-gram
- Wordpiece模型标记外部单词
Sentencepiece模型应用原始文本
- 空格被保留为非凡标记(_),并失常分组
- 能够通过将片段连接起来并将它们从新编码到空格中,从而在开端将内容反转
- https://github.com/google/sen...
- https://arxiv.org/pdf/1804.10...
BERT 应用了 wordpiece 模型的一个变体
(绝对) 在词汇表中的常用词
- at, fairfax, 1910s
其余单词由wordpieces组成
- hypatia = h ##yp ##ati ##a
- 如果你在一个基于单词的模型中应用 BERT,你必须解决这个
3.4 字符级构建单词级
- Learning Character-level Representations for Part-ofSpeech Tagging (Dos Santos and Zadrozny 2014)
- 对字符进行卷积以生成单词嵌入
- 为 PoS 标签应用固定窗口的词嵌入
3.5 基于字符的LSTM构建单词示意
- Bi-LSTM构建单词示意
3.6 #论文解读# Character-Aware Neural Language Models
- 一个更简单/精细的办法
动机
- 派生一个弱小的、强壮的语言模型,该模型在多种语言中都无效
- 编码子单词关联性:eventful, eventfully, uneventful…
- 解决现有模型的常见字问题
- 用更少的参数取得可比拟的表白性
- 字符级别嵌入输出
- CNN+高速网络+LSTM
- 字符级别输出 + 卷积解决
- Max-over-time池化
- N-gram 语法交互模型
- 在传递原始信息的同时利用转换
- 性能相似于 LSTM 内存单元
- 应用层次化 Softmax 解决大的输入词汇表
- 应用 truncated backprop through time 进行训练
- 本文对应用词嵌入作为神经语言建模输出的必要性提出了质疑
- 字符级的 CNNs + Highway Network 能够提取丰盛的语义和构造信息
- 要害思维:您能够构建
building blocks
来取得细致入微且功能强大的模型!
4.混合字符与词粒度的模型
4.1 混合NMT
混合高效构造
- 翻译大部分是单词级别的
- 只在须要的时候进入字符级别
- 应用一个复制机制,试图填充常见的单词,产生了超过 2个点的 BLEU 的改良
- 单词级别 (4层)
- End-to-end training 8-stacking LSTM layers:端到端训练 8 层 LSTM
4.2 二级解码
- 单词级别的集束搜寻
- 字符级别的集束搜寻 (遇到 <UNK> ) 时
补充解说
混合模型与字符级模型相比
- 纯正的字符级模型可能十分无效地应用字符序列作为条件上下文
- 混合模型尽管提供了字符级的隐层示意,但并没有取得比单词级别更低的示意
4.3 English - Czech Results
应用WMT’15数据进行训练 (12M句子对)
- 新闻测试2015
- 30倍数据
- 3个零碎
- 大型词汇+复制机制
- 达到先进的成果!
4.4 Sample English-czech translations
- 翻译成果很好!
- 基于字符:谬误的名称翻译
- 基于单词:对齐不正确
- 基于字符的混合:diagnóze的正确翻译
- 基于单词:特色复制失败
- 混合:正确,11-year-old-jedenactileta
- 谬误:Shani Bartova
4.5 单词嵌入中的字符利用
一种用于单词嵌入和单词形态学的联结模型(Cao and Rei 2016)
- 与 w2v 指标雷同,但应用字符
- 双向 LSTM 计算单词示意
- 模型试图捕捉形态学
- 模型能够推断单词的词根
5.fastText模型
用子单词信息丰盛单词向量
Bojanowski, Grave, Joulinand Mikolov. FAIR. 2016.- https://arxiv.org/pdf/1607.04...
- https://fasttext.cc
- 指标:下一代高效的相似于 word2vecd 的单词示意库,但更适宜于具备大量形态学的常见单词和语言
- 带有字符 n-grams 的 w2v 的 skip-gram 模型的扩大
- 将单词示意为用边界符号和整词裁减的字符 n-grams
$$where =,where =<wh,whe,her,ere,re>,<where>$$
留神 \(<her>\)、\(<her\)是不同于 \(her\)的
- 前缀、后缀和整个单词都是非凡的
- 将 word 示意为这些示意的和。上下文单词得分为
$$S(w, c)=\sum g \in G(w) \mathbf{Z}_{g}^{\mathrm{T}} \mathbf{V}_{C}$$
- 细节:与其共享所有 n-grams 的示意,不如应用
hashing trick
来领有固定数量的向量
- 低频常见单词的差别收益
Suggested Readings
- Character Level NMT
- Byte Pair Encoding
- Minh-Thang Luong and Christopher Manning
- FastText 论文
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