云栖号资讯：【点击查看更多行业资讯】
在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！
本文介绍了在模型中插入 Transformer 的不同方法。
人们对自然语言处理的不断研究催生了各种预训练模型的发展。在各种任务（如文本分类、无监督的主题建模和问题解答等）的最新结果方面，通常都有越来越多的改进，这是一个典型的现象。
最大的发现之一是在神经网络架构中采用了注意力机制（attention mechanics）。这种技术是所有称为 Transformer 的网络的基础。它们应用注意力机制来提取关于给定单词上下文的信息，然后将其编码到学习向量中。
作为数据科学家，我们可以产生并使用许多 Transformer 架构来对我们的任务进行预测或微调。在本文中，我们尽情享受经典的 BERT，但同样的推理也可以应用到其他所有的 Transformer 架构中。我们的研究范围是在双（dual）架构和孪生（siamese）架构中使用 BERT，而不是将其作为多文本输入分类的单一特征提取器。
数据
我们从 Kaggle 收集了一个数据集： News Category Dataset （新闻分类数据），它包含了 2012 年到 2018 年从 HuffPost 获得的大约 20 万条新闻标题。我们的范围是根据两种不同的文本来源对新闻文章进行分类：标题和简短描述。总共有 40 多条不同类型的新闻。为简单起见，并考虑到我们工作流的计算时间，因此我们只使用了 8 个类的子组。
我们不应用任何种类的预处理清晰；我们要让 BERT 来“完成所有的魔法”。我们的工作框架是 TensorFlow 和强大的 Huggingface Transformer 库。更详细地说，我们利用“裸”BERT 模型 Transformer，它输出原始的隐藏状态，而且上面没有任何特定头。它可以像 TensorFlow 模型子类一样访问，并且可以很容易地将其引入我们的网络架构中进行微调。
单 BERT
作为第一个竞争者，我们引入了一个单 BERT 架构。它只接受一个文本输入，这是我们两个文本源连接的结果。这就是常态：任何模型都可以接受连接特性的输入。对于 Transformer 来说，将输入与特殊特征符（special tokens）相结合提升了这一过程。
BERT 需要特定格式的输入数据：有特殊的特征符来标记句子 / 文本源的开头 ([CLS] [SEP])。同时，标记化涉及到将输入文本分割成词汇库中可用的特征符列表。词汇表外的单词用 WordPiece 技术进行处理；其中一个单词被逐步拆分成属于词汇表的子词。这一过程可以通过 Huggingface 预训练的词法分析器（Tokenizer）轻松完成，我们只需注意做好 padding 即可。
我们以每个文本源的三个矩阵（token、mask、sequence id）结束。它们作为 Transformer 的输入。在单 BERT 的情况下，我们只有一个矩阵元祖。这是因为我们同时将两个文本序列传递给词法分析器，这两个文本序列会自动连接起来 (用 [SEP] 标记)。
我们的模型架构非常简单：将上面构建的矩阵直接馈入 Transformer。最后，通过平均池操作减少了 Transformer 的最终隐藏状态。概率分数是由最后致密层计算出来的。
![e5e61edf4661e062394d5ba350a0c6f1]( "e5e61edf4661e062394d5ba350a0c6f1")
在我们的测试数据上，我们的单 BERT 达到了 83% 的准确率。性能报告请见下面的混淆矩阵中。
![09ac40d5d694e78f28186bac0f8fee31]( "09ac40d5d694e78f28186bac0f8fee31")
双 BERT
我们的第二个架构可以定义为双 BERT，因为它使用了两个不同的 Transformer。它们有相同的组成，但使用了不同的输入进行训练。第一个 Transformer 接收新闻标题，而另一个接受简短文本描述。输入被编码为始终产生两个矩阵（token、mask 和 sequence id），每个输入都有一个。对于这两个数据源，我们的 Transformer 的最终隐藏状态都是通过平均池来减少的。它们链接在一起，并通过一个完全连接层。
![c9adf1143b8cdb22d29f4bf7fa45c1c0]( "c9adf1143b8cdb22d29f4bf7fa45c1c0")
![37c0f2d4b3788463b0238ca1f7bac991]( "37c0f2d4b3788463b0238ca1f7bac991")
孪生 BERT
我们的最后一种模型是一种孪生式架构。它可以这样定义，因为两个不同的数据源在同一个可训练的 Transformer 架构中同时传递。输入矩阵与双 BERT 的情况相同。对于两个数据源，我们的 Transformer 的最终隐藏状态是通过平均操作进行池化的。所得到的的结果，在一个完全连接层中传递，该层将它们进行组合并产生概率分数。
![8936f7a83c01673181c51a243213e372]( "8936f7a83c01673181c51a243213e372")
在我们的测试数据上，孪生式架构达到了 82% 的准确率。
![23ab1745c7ea9880fc69049da490136f]( "23ab1745c7ea9880fc69049da490136f")
总结
在本文中，我们应用 BERT 架构进行了多类分类任务。我们这个实验的附加价值在于，它以各种方式使用 Transformer 来处理多个输入源。我们从一个源中的所有输入的经典连接开始，然后在输入模型时保持文本输入的分离。提出的双 BERT 和孪生变体能够获得良好的性能。因此，它们可以被认为是经典单 Transformer 架构的良好替代方案。
参考资料
Kaggle: Two BERTs are better than one
Kaggle: Bert-base TF2.0
作者介绍：
Marco Cerliani，Lutech 统计学家、黑客和数据科学家。
【云栖号在线课堂】每天都有产品技术专家分享！
课程地址：https://yqh.aliyun.com/zhibo
立即加入社群，与专家面对面，及时了解课程最新动态！
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK
原文发布时间：2020-05-28
本文作者： Marco Cerliani
本文来自：“InfoQ”，了解相关信息可以关注“InfoQ”
