EMNLP19如何在Transformer中融入句法树信息
这篇文章给大家介绍EMNLP19如何在Transformer中融入句法树信息,内容非常详细,感兴趣的小伙伴们可以参考借鉴,希望对大家能有所帮助。
创新互联公司是一家专注于成都做网站、网站建设、外贸营销网站建设与策划设计,长宁网站建设哪家好?创新互联公司做网站,专注于网站建设十载,网设计领域的专业建站公司;建站业务涵盖:长宁等地区。长宁做网站价格咨询:18982081108
介绍
之前其实有很多工作将句法信息融入到了RNN中,例如ON-LSTM和PRPN,用来隐式建模句法结构信息,同时提升语言模型的准确率。本文尝试将句法信息融入到Transformer中,用来赋予attention更好的解释性。同时可以无监督的预测出句子的句法树,并且相比于一般的Transformer,语言模型的性能有所提高。
模型结构
上面这张是模型结构,最主要的区别就是在multi-head attention操作基础上新增了一个成分的attention,用来表示一段span能否构成一个短语。比如上图中,“cute dog”构成一个短语,所以第0层中这两个单词的attention较大。而“the cute dog”构成了一个更大的短语,所以第1层中“the”和“dog”的attention较大。
回顾self-attention的操作,主要是计算两个单词的向量点积:
这里 一般取 。但是在本文中,新增加了一个成分先验 ,其中 表示 和 在一个短语内的概率。然后与原来的self-attention做元素乘即可:
注意不同的head之间共享 。
那么这个成分先验 怎么算呢?这里把它拆成若干相邻单词在同一短语内概率的乘积。也就是定义 为单词 和 在同一短语内的概率,那么 就可以表示为:
这样只有 到 中所有单词都有较大概率在同一短语中, 取值才比较大。当然在实现中会取对数,来避免数值太小。
那么问题又来了, 怎么算?首先类似self-attention,计算相邻两个单词属于同一短语的得分:
这里 取 , 是head数。
注意这里区分了方向,也就是还存在得分 ,并且两者虽然意义是一样的,但是分数不一定相同。为了防止出现一种问题,也就是所有得分全部相同,然后算出来概率全是1,那就没有意义了,所以要给得分加上限制,也就是归一化。这里选择归一化一个单词和左右邻居两者的得分:
然后由于 和 值不一样,所以取平均:
这样的话,如果两个相邻单词互相之间连接的概率很大,就会导致 很大,也就说明了这两个单词大概率属于同一个短语。
从第一张模型图中可以看到,成分attention不只计算了一层。低层可以用来表示两两相邻单词之间属于同一短语的概率,而高层可以表示属于更大的短语的概率。注意还得满足一个性质,也就是如果两个单词在低层大概率属于同一个短语,那他们高层肯定更大概率属于一个更大的短语。所以计算方式如下:
初始化的时候 都设为0。这样对于每一层都可以得到一个成分先验 。
无监督句法分析
上图是句法树解码算法,类似于句法距离那篇论文的解码算法。因为 表示的是相邻两个单词属于同一个短语的概率,所以首先找最小的 ,然后从这里将短语划分为两个子短语,然后递归划分下去。但是这样效果可能不是很好,因为单个一层表示的短语范围其实是有限的,并不能很好的囊括所有的短语。所以像上图一样,从最高层开始递归开始解码。首先找到最小值 ,如果 大于阈值(实验中为0.8),那说明这个分割点不可信。如果这时候已经到了第 层(实验中设为3),那没办法了,说明了这些单词没有分割点,全当作一个短语就行了。如果还没到第 层,那就继续往下一层找分割点。而如果小于阈值,说明分割点可信,那就这么划分下去好了。
实验
首先是在WSJ测试集上的无监督句法分析结果:
可以看到Tree-Transformer效果还是好于之前的ON-LSTM和PRPN的,虽然比在NLI上训练的DIORA略差,但也情有可原,毕竟人家训练集大,而且是全局解码, 甚至还达到了URNNG的效果。而层数选择10层是效果最好的。
然后是在WSJ10测试集上的无监督句法分析结果:
可以看到,长度很短的时候Tree-Transformer效果就甚至不如PRPN了,和ON-LSTM相比其实也半斤八两。论文并没有分析原因,甚至都没有提这个。
然后是采用不同的层做出来的无监督句法分析结果:
可以看到,最小递归到第三层的时候结果最好,而看的层数越少,也就是只看高层的,效果非常的差。只看单独一层的效果也不大行,这都说明了高层的表示更加的抽象,其实不大适宜句法信息的表示。而低层又太接近单词层面了,都是表面信息。这其实和最近的一篇解释bert中attention含义的论文结果一致,中间层的attention表示的是句法信息。
最后是语言模型的困惑度结果:
这里就只和普通的Transformer相比了,结果还是更好的。因为这里得用masked LM做目标函数,所以没法和ON-LSTM、PRPN等语言模型相比。
其他关于attention解释性等讨论详见论文,我觉得没有多大意思,attention的可解释性最近争论一直很大,强行解释没有意义。
小编提出的Tree Transformer用成分先验表示两个单词属于同一个短语的概率,然后和self-attention联合决定两个单词之间的attention。并且提出了一种解码出句法树的算法,但是还存在着一些问题。
文中说尝试过用Transformer预训练Tree Transformer,这样loss下降的更低了,拟合的更好,但是解码出的句法树效果更差了。这其实是有道理的,之前见过一篇分析论文,提到了语言模型训练的好,并不一定代表着句法树学的好,这两者不能划等号。
关于EMNLP19如何在Transformer中融入句法树信息就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。
本文名称:EMNLP19如何在Transformer中融入句法树信息
本文地址:http://pwwzsj.com/article/pscdhi.html