1.ELMo(Embeddings from Language Models )
RNN-based language models(trained from lots of sentences)
ELMo 词向量是由双向神经网络语言模型的内部多层向量的线性加权组成。
LSTM 高层状态向量捕获了上下文相关的语义信息,可以用于语义消岐等任务。 结果表明:越高层的状态向量,越能够捕获语义信息。
LSTM 底层状态向量捕获了语法信息,可以用于词性标注等任务。结果表明:越低层的状态向量,越能够捕获语法信息。
ELMo 词向量与传统的词向量(如:word2vec )不同。在ELMo 中每个单词的词向量不再是固定的,而是单词所在的句子的函数,由单词所在的上下文决定。因此ELMo 词向量可以解决多义词问题。
2.原理
给定一个句子:${word_{w1},...,word_{W_N}}$,其中$w_i$属于${1,2,...,V}$,N为句子的长度,用$(w_1,...,w_N)$表示该句子,则生成该句子的概率为:
可以用一个L层的前向 LSTM 模型来实现该概率。其中:
ELMo 模型采用双向神经网络语言模型,它由一个前向LSTM 网络和一个逆向 LSTM 网络组成。ELMo 最大化句子的对数前向生成概率和对数逆向生成概率。
3.应用
首先训练无监督的 ELMo 模型,获取每个单词的2L+1个中间表示。然后在监督学习任务中,训练这2L+1个向量的线性组合,方法为:
实验表明:在 ELMo 中添加 dropout 是有增益的。另外在损失函数中添加正则化能使得训练到的ELMo权重倾向于接近所有ELMo权重的均值。
4.Autoregressive Language Model的特点
(1)优点:
- 生成能力
- 考虑了词之间的相关性
- 无监督
- 严格数学表达(BERT缺乏严格的数学表达,p(w1w3|w2)约等于p(w1|w2)*p(w3|w2))
(2)缺点:
- 单向的
- 有些单词离得近,未必有关系(有点道理)
(3)ELMO是基于双向的LSTM,它用了两个单向的LSTM(从左到右,从右到左,两个之间是独立的)
参考文献: