第六讲-循环神经网络与语言模型

1.语言模型

1.1 语言模型

1、语言建模的任务是预测下一个单词是什么

更正式的说法是:给定一个单词序列,计算下一个单词的概率分布:

  • 其中,可以是词表中的任意单词
  • 这样做的系统称为 Language Model 语言模型

2、还可以将语言模型看作评估一段文本是自然句子(通顺度)的概率

例如,如果我们有一段文本,则这段文本的概率(根据语言模型)为

  • 语言模型提供的是

1.2 n-gram 语言模型

1
the students opened their __

问题:如何学习一个语言模型?

回答(深度学习之前的时期):学习一个 n-gram 语言模型

定义:n-gram是一个由个连续单词组成的块

  • unigrams: the, students, opened, their
  • bigrams: the students, students opened, opened their
  • trigrams: the students opened, students opened their
  • 4-grams: the students opened their

想法:收集关于不同 n-gram 出现频率的统计数据,并使用这些数据预测下一个单词

首先,我们做一个简化假设:只依赖于前面的个单词 问题:如何得到n-gram和(n-1)-gram的概率?

回答:通过在一些大型文本语料库中计算它们(统计近似)

1.3 n-gram 语言模型:示例

假设我们正在学习一个 4-gram 的语言模型

as the proctor started the clock, the students opened their ____我们只需要考虑students opened their _____

  • 例如,假设在语料库中:
    • students opened their 出现了1000次
    • students opened their books 出现了400次

  • students opened their exams 出现了100次

  • 我们应该忽视上下文中的proctor吗?
    • 在本例中,上下文里出现了 proctor,所以 exams 在这里的上下文中应该是比 books 概率更大的。

1.4 n-gram语言模型的稀疏性问题

问题1:如果students open their ww 从未出现在数据中,那么概率值为0

  • (Partial)解决方案:为每个添加极小数,这叫做平滑。这使得词表中的每个单词都至少有很小的概率。

问题2:如果students open their 从未出现在数据中,那么我们将无法计算任何单词的概率值

  • (Partial)解决方案:将条件改为open their,也叫做后退处理。

  • Note/注意: 的增加使稀疏性问题变得更糟。一般情况下不能大于5。

1.5 n-gram语言模型的存储问题

问题:需要存储你在语料库中看到的所有 n-grams 的计数

增加或增加语料库都会增加模型大小

1.6 n-gram语言模型的生成文本

  • 可以使用语言模型来生成文本

  • 使用trigram运行以上生成过程时,会得到上图左侧的文本

  • 令人惊讶的是其具有语法但是是不连贯的。如果我们想要很好地模拟语言,我们需要同时考虑三个以上的单词。但增加使模型的稀疏性问题恶化,模型尺寸增大

1.7 如何搭建一个神经语言模型?

回忆一下语言模型任务

  • 输入:单词序列
  • 输出:下一次单词的概率

1.8 固定窗口的神经语言模型

超越 n-gram 语言模型的改进

  • 没有稀疏性问题
  • 不需要观察到所有的n-grams

NNLM存在的问题

  • 固定窗口太小
  • 扩大窗口就需要扩大权重矩阵
  • 窗口再大也不够用
  • 乘以完全不同的权重。输入的处理不对称

我们需要一个神经结构,可以处理任何长度的输入

2.循环神经网络(RNN)

2.1 循环神经网络(RNN)

  • RNN的优点
    • 可以处理任意长度的输入
    • 步骤的计算(理论上)可以使用许多步骤前的信息
    • 模型大小不会随着输入的增加而增加
    • 在每个时间步上应用相同的权重,因此在处理输入时具有对称性
  • RNN的缺点
    • 循环串行计算速度慢
    • 在实践中,很难从许多步骤前返回信息

2.2 训练一个RNN语言模型

获取一个较大的文本语料库,该语料库是一个单词序列

输入RNN-LM;计算每个步骤的输出分布

  • 即预测到目前为止给定的每个单词的概率分布

步骤上的损失函数为预测概率分布与真实下一个单词(的独热向量)之间的交叉熵 将其平均,得到整个训练集的总体损失

然而:计算整个语料库的损失和梯度太昂贵了,所以在实践中通常把看成一个句子或是文档

回忆:随机梯度下降允许我们计算小块数据的损失和梯度,并进行更新

计算一个句子的损失(实际上是一批句子),计算梯度和更新权重。重复上述操作。

2.3 RNN的反向传播

问题:关于重复的权重矩阵的偏导数

回答:重复权重的梯度是每次其出现时的梯度的总和

问题:如何计算?

回答:反向传播的时间步长。累加梯度。这个算法叫做 “backpropagation through time”

2.4 RNN语言模型的生成文本

就像n-gram语言模型一样,你可以使用RNN语言模型通过重复采样来生成文本。采样输出是下一步的输入。

3.评估语言模型

3.1 评估语言模型

标准语言模型评估指标是 perplexity 困惑度这等于交叉熵损失的指数 困惑度越低效果越好

3.2 RNN极大地改善了困惑度

语言模型是一项基准测试任务,它帮助我们衡量我们在理解语言方面的进展

  • 生成下一个单词,需要语法,句法,逻辑,推理,现实世界的知识等

语言建模是许多NLP任务的子组件,尤其是那些涉及生成文本或估计文本概率的任务

  • 预测性打字、语音识别、手写识别、拼写/语法纠正、作者识别、机器翻译、摘要、对话等等

3.3 要点回顾

语言模型(LM: Language Model):预测下一个单词的系统

循环神经网络:一系列神经网络

  • 采用任意长度的顺序输入
  • 在每一步上应用相同的权重
  • 可以选择在每一步上生成输出

循环神经网络语言模型,我们已经证明,RNNs是构建LM的一个很好的方法,但RNNs的用处要大得多!

3.4 RNN可用于打标签

3.5 RNN可用于句子分类

如何计算句子编码

基础方式:使用最终隐层状态

通常更好的方式:使用所有隐层状态的逐元素最值或均值,Encoder的结构在NLP中非常常见

3.6 RNN语言模型可用于生成文本

这是一个条件语言模型的示例。我们使用语言模型组件,并且最关键的是,我们根据条件来调整它

参考:

http://www.showmeai.tech/article-detail/240