前面介绍过 BERT，作为一种非常成功的预训练模型，取得了非常不错的成绩，那么，他还有改进的空间吗？
本文介绍 BERT 的改进版，XLnet。看看它用了什么方法，改进了 BERT 的哪些弱点。
为什么要有 XLnet?
要理解 XLnet，我们先回顾一下先于 XLnet 的两种表现最好的预训练模型 BERT 和 GPT：
-
Generative Pre-Training(GPT)，采用 Transfomer 作为特征抽取器，预训练阶段采用单向语言模型的模式。
-
Pre-training of Deep Bidirectional Transformers for Language Understanding(BERT)，同样采用 Transfomer 作为特征抽取器，与 GPT 的主要差异在于，在训练阶段，其采用基于 MLM 的双向语言模型。
XLnet 的提出者们，仔细研究了一下这两个模型，发现他们都有自己的缺点。
对 GPT，它主要的缺点在于，采用的是单向语言模型。模型在预测当前词的时候，只能看到该词前面词的信息。而对于很多语言理解任务而言，例如阅读理解等，常常需要参考该词前后的语境，因此，单向语言模型往往是不够的。XLnet 的研究者称 GPT 这一类结构为 AR(AutoRegressive) 语言模型。
对 BERT，采用 MLM，即在训练时遮住训练语料中 15% 的词 (实际的 MASK 机制还有一些调整)，用符号 [MASK] 代替，然后试图让网络重建该词。这个过程，在训练语料中引入了符号 [MASK]。而在实际的 Finetune 及预测过程中，是没有这个符号的，这就在预训练和预测阶段之间产生了 GAP。BERT 在 MLM 中还隐含了一个独立性假设，即重建各个符号 [MASK] 的过程，是相互独立的。这个假设其实是未必成立的，会造成模型训练时部分信息的损失。XLnet 的研究者称 BERT 这一类结构为 AE(AutoEncoding) 语言模型。
由此可见，BERT 和 GPT 都有待改进的地方，XLnet 的研究者们的想法是将两个模型结合起来，并改进一些点。下面我们来看看 XLnet 是如何基于 GPT 和 BERT 来做改进的。
XLnet 的改进
1) 预训练模式的优化：Permutation Language Modeling(PLM)
XLnet 想要实现 BERT 的双向语言模型，但是又不想引入 BERT MLM 中的独立性假设和符号 [MASK]，进而提出了 PLM。
XLnet 中，沿用 GPT 的语言模型的办法，即基于序列中前面部分的内容，预测该词。但是，为了在预测该词的时候，为了能够看到该词后面部分的内容，对序列进行排列组合。这样的话，该词的前面也包含该词后面词的信息，用另外一种方式，实现了双向语言模型。
如上图所示，假定输入序列的长度为 4，则除了原语序，这 4 个词总共有 24 种排列方式，上图中用各词在原序列中的位置来表示各词，列出了其中 4 种，[3,2,4,1]，[2,4,3,1]，[1,4,2,3]，[4,3,1,2]。
有同学会疑问，对于 Transformer 这种特征抽取器来说，在不加掩码的情况下，不管输入序列按照哪种顺序输入，效果应该都是一样的才对。
没错，因此 XLnet 还引入了Two-Stream Self-Attention，双流自注意力模型。
所谓双流就是输入包括了两种，训练句子和相应的位置信息，下面看看具体是怎么组织起来的。
如上图所示，输入包括两种类型，query stream 和 content stream。
1.query stream 仅仅包含输入序列中预测位置前面的词 x_(z<t)，以及该词在原序列 (未重新组合前) 中的位置 z_t 信息，但是不包括 x_(z_t)。
2.content stream 跟普通的 transformer 输入一致，包括 x_(z_t) 及 x_(z<t)。
通过双流注意力机制，可以有效的学习到双向模型的表征。
2）特征抽取器的优化
在结构上，XLnet 采用改进后的 transofmerXL 作为特征抽取器。前面讲过 TransformerXL，他主要有两个优化，一个引入了序列循环机制；一个是引入了相对位置编码。
对于相对位置编码，在 XLnet 中的应用与之前在 transformer 的应用别无二致；对于序列循环机制，这里介绍一下在 XLnet 中是如何应用的。
如上面的公式所示，其实在 XLnet 中，attention 计算与 TransformerXL 中类似，也是将前一个序列中上一层的隐藏状态，与本序列中上一层隐藏层状态拼接起来。
总结
XLnet 是一个集合了目前两大预训练模型的优点，其效果自然不会差，目前其在各个任务中的表现都要优于 BERT。
XLnet 接过 BERT 的棒，把预训练模型再往前提升了一步。可以遇见，后续 NLP 预训练还会不断有新的模型出来。
评论