ACL2020 Contextual Embeddings When Are They Worth It 精读

Arxiv链接

上下文嵌入(Bert词向量): 什么时候值得用?

ACL 2018

预训练词向量 (上下文嵌入Bert,上下文无关嵌入Glove, 随机)详细分析文章

1 背景


图1 Bert
优点 效果显著
缺点 成本昂贵 (Memory,Time,  Money) (GPT-3,1700亿的参数量)
困惑 线上环境,资源受限(内存 CPU GPU) bert不一定是最佳 选择
用word2vec, glove等词向量有时候也能取得近似效果
但什么时候可以近似,需要实验说明,于是作者设计了实验

2 三种词向量


图2 三种词向量
类型 说明 实验
上下文词嵌入 BERT XLNet 作者实验中选BERT 768维
上下文词无关嵌入 Glove Word2Vec FastText 作者实验中选Glove 300维
随机嵌入 n*d矩阵 (n是词汇量, d是嵌入维度) 作者实验中选循环随机嵌入 800维, 空间复杂度O(nd) => O(n)

3 实验和结论

任务 模型
命名实体识别 (NER) BiLSTM
情感分析 (sentiment analysis) TextCNN

3.1 影响因素一:训练数据规模


图3 影响因素一:训练数据规模 01

图4 影响因素一:训练数据规模 02

在许多任务中,供充足的数据,GloVe这些词向量可匹配BERT

3.2 影响因素二:语言的特性

3.2.1 Complexity of setence structure

NER: 实体占据几个token (George Washington)


图5 NER中的句子复杂度

Sentiment analysis:句子依存分析中依赖标记对之间的平均距离


图6 Sentiment analysis中的句子复杂度

3.2.2 Ambiguity in word usage

NER: 实体有几个标签(George Washington可以作为人名、地名、组织名)


图7 NER中的句子模糊度

Sentiment analysis:
egin{array}{l}
Hleft( {frac{1}{{left| S ight|}}sumlimits_{w in S} {pleft( { + 1left| w ight.} ight)} } ight)
{ m{where }}Hleft( p ight) = - p{log _2}left( p ight) - left( {1 - p} ight){log _2}left( {1 - p} ight)
end{array}


图8 Sentiment analysis中的句子模糊度

3.2.3 Prevalence of unseen words

NER: token出现次数得倒数


图9 NER中的未登录词流行度

Sentiment analysis:
给定一个句子,句子中未在训练集中出现token占比


图10 Sentiment analysis中未登录词流行度

图11 Bert和随机向量对比

图12 Bert和Glove对比

文本结构复杂度高和单词歧义性方面: BERT更好

未登录词方面: GloVe 更好

总结

大量训练数据和简单语言的任务中,考虑算力和设备等,GloVe 代表的 Non-Contextual embeddings 是个不错的选择

对于文本复杂度高和单词语义歧义比较大的任务,BERT代表的 Contextual embeddings 有明显的优势。

未登录词方面: GloVe 更好

原文地址:https://www.cnblogs.com/Kalafinaian/p/13429727.html