BERT介绍及发展过程

Shallow Model 不能考虑上下文
Deep Model:
LSTM —— ELMO 对LSTM进行叠加使用
Transformer 来代替 LSTM 解决其缺点,产出 OpenAI GPT 再产出 BERT

Language Model: measures how likely a valid sentence.

  1. NNLM Bengio 2003 : Neural Architecture of Language Model
    缺点:每次只能考虑过去的n个单词

  2. CBOW and SkipGram 不基于语言模型

NNLM 和 CBOW, Skip-Ngram 的缺点:

  1. Could not distinguish context. i.e. Yesterday, when he backed the car, he hurt his back. (不能考虑上下文,两个back不同)
  2. Does not capture long-term dependency(需要使用时序模型)
  3. Shallow model, could not learn hierarchical representation(只有 Deep Model 才能学到层次结构的特征)

What is hierarchical Representation
Deep Learning = Learning Hierarchical Representations -- Y LeCun.

ELMO, BERT 都可以学到层次结构的特征,可以假设为:
Word features —— Syntactic features —— Semantic features

捕获时序关系模型: HMM , CRF, RNN, LSTM(解决RNN梯度问题,在RNN基础上增加了3个Gate,没百分百解决梯度问题)

BLMO
问题:

  1. 无法并行:时序模型不能并行
  2. 梯度:随着文本的增长,梯度下降,很难捕获long-term dependency.
  3. 前向/后向单独处理,伪双向

Transformer:
目标:设计一个非时序模型,但是希望模拟时序模型具备的特点。

问题:

  1. How does Transformer implement long-term dependency? (Self-attention 解决这个问题)
  2. How does self-attention, encoder-decoder attention, decoder attention differs?
  3. How does Transformer encodes different ordering of words (Positional Encoding)

1.1 对于叠加的多个 Encoder 可以定义多组 Q、K、V 矩阵, 称为 Multi-head Attention:Capture Relation from Different Perspective.

2.1
Encoder Bi-Directional 双向
Self-Attention: attention meet is
Feed Forward: 做非线性变换

Decoder: Uni-Directional 单项
Decoder Attention 最大区别就是只需要考虑单向的,而 Encoder Attention是双向的

OpenAI 是 Transformer Decoder 训练出来的
BERT 是 Transformer Encoder 训练出来的。 因此BERT是双向的。

BERT:
BERT = Stacks of Transformer Encoder (将多个 Transformer Encoder 叠加到一起)
BERT BASE 12个 Transformer Encoder
BERT LARGE 24个 Transformer Encoder

Want to train language Model, but with only predicting next words, we could consider both sides of words. How to do?
Masked LM,例如将文章中15%的词通过 MASK 符合替代,通过 BERT 预测 所有被屏蔽的 MASK. 这是BERT的训练过程。

参考文献:
The Illustrated Transformer
https://jalammar.github.io/illustrated-transformer/

©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 本文上两篇系列 NLP的巨人肩膀(上) NLP的巨人肩膀(中) 4.6 Bidirectional Encoder...
    weizier阅读 6,582评论 1 22
  • 本文另两篇系列 NLP的巨人肩膀(上) NLP的巨人肩膀(下) 3. 梯子的一级半 除了在word级别的embed...
    weizier阅读 6,721评论 0 18
  • 爱情是一种别人无法知道的东西,是孤独的。从本质上来讲,爱情既然是个体感受,那就注定是孤独的,即使是两个正在互诉衷肠...
    霁雪晴川阅读 228评论 0 1
  • 什么是建造者模式? 不是简单的通过new创建实例,而是在创建对象的同时,隐藏创建逻辑方式 每一类事物都有相同的属性...
    小酷哥阅读 184评论 0 1
  • 在培训界有这样一句笑话,“课上很激动,课后很冲动,回家后一动不动”。怎么样改变这样的培训现状,使得培训真正落地?答...
    汪盼盼Julie阅读 762评论 0 3