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

the students opened their __
Copy

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$$
• 窗口再大也不够用
• $$和$$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