借著ACL2022一篇知識增強Tutorial的東風，我們來聊聊如何在預訓練模型中融入知識，Tutorial分別針對NLU和NLG方向對一些經典方案進行了分類匯總，感興趣的可以去細看下，這一章我們只針對NLU領域3個基于物體鏈接的知識增強方案Baidu-ERNIE，THU-ERNIE和K-Bert來聊下具體實作~
知識增強
Knowledge is any external information absent from the input but helpful for generating the output
Tutorial里一句話點題，知識就是不直接包含在當前文本表達中的，但是對文本理解起到幫助作用的補充資訊，大體可以分成
- 通用領域：例如中國的首都是北京
- 特殊領域：例如醫療，金融，工業等場景中的領域知識,
- 常識：例如狗有4條腿，雞不會飛，豬不能上樹
常規預訓練預語料也是包含部分知識的，不過受限于知識出現的頻率，以及非結構化的知識表征，預訓練任務的設計等等因素，知識資訊往往等不到充分的訓練，因此BERT不可避免會給出一些不符合知識但是符合語言表達的預測結果，于是有了嘗試在預訓練階段融入結構化知識資訊的各種嘗試
LM中融入知識的一般分成3個步驟：定位知識(knowledge grounding)，知識表征(knowledge representation)，融入知識(knowledge fusion)，這么說就像把大象放進冰箱一樣easy，不過實作起來細節問題頗多，例如定位知識時的消歧問題，知識表征和文本表征的不一致問題，知識融入時如何不干擾原始的背景關系語意等等，下面我們來看下3種不同的增強方案
Baidu-ERNIE
- paper: ERNIE: Enhanced Representation through Knowledge Integratiion
- Github: https://github.com/PaddlePaddle/ERNIE
- Take Away: 通過knowledge masking學到隱含的物體以及短語內部一致資訊
ERNIE的主要創新是在預訓練階段引入了knowledge masking，這里的knowledge包括短語和物體兩種，所以ERINE定位知識的方式是通過分詞定位短語，以及通過物體匹配定位到物體，對比BERT對獨立token進行掩碼，ERNIE分階段采用token，phrase和entity這三種不同粒度的span進行掩碼，物體和短語內部的字符，因為被同時掩碼，所以會被相同的背景關系資訊進行梯度更新，使得token之間學到內部關聯資訊，以及更清晰的物體邊界資訊，在NER等區域資訊抽取任務上更有優勢，不過模型本身并沒有引入更豐富的物體關聯等知識資訊~
THU-ERNIE
- paper：ERNIE: Enhanced Language Representation with Informative Entities
- github: https://github.com/thunlp/ERNIE
- Take Away: 引入KG預訓練Embedding，通過FusionLayer進行知識融入
論起名的重要性，這兩篇ERNIE其實是完全不同的方向，THU-ERNIE更完整的給出了在預訓練中融入知識的方案，THU-ERNIE由T-Encoder和K-Encoder構成，其中T-Encoder就是常規的Transformer Block用來學習基于背景關系的文本表征，而K-Encoder負責知識表征和融入，同時ERNIE設計了新的預訓練目標dAE來輔助知識資訊融入，以’Bob Dylan wrote Blowin in the Wind in 1962‘為例，分別看下THU-ERNIE如何定位，表征和融入知識
knowledge Encoder
ERNIE通過TAGME從句子中定位到物體知{e1, ...en}，并使用TransE預訓練的物體embedding作為知識表征，在知識融入上，首先原始文本輸入會過T-Encoder得到考慮背景關系的文本表征，然后會通過K-Encoder中的多個Aggregator層進行知識融合，這里的知識融合包括知識表征和文本表征的對齊以及雙方的資訊互動，每個Aggregator層由兩部分構成
- 多頭注意：文本表征W和物體表征E分別各自做多頭注意力，文本表征是背景關系互動，物體表征是學習物體關聯
- Fusion：多頭輸出的文本表征和物體表征進行拼接[w,e]，過feed forward來進行資訊融合，這里的激活函式選用了gelu，對于非物體的文本因為沒有相關聯的物體所以等同于拼接了全0向量，融合表征h分別做兩次非線性映射得到文本和物體的表征，作為下一層aggregator的輸入，
預訓練任務dAE
作者在MLM和NSP的預訓練任務的基礎上，加入了物體還原dAE任務，來幫助模型融合知識相關資訊，同樣是AutoEncoder任務，物體還原和MLM任務主要有兩個差異
- 掩碼差異：dAE采用5%隨機物體掩碼，15%同時對token和物體掩碼，85%保持不變的掩碼策略
- 還原差異：和token還原相比，物體還原采用了負采樣的邏輯，沒有從全部KG物體中進行預測，而是只從當前句子的所有物體中去選擇MASK位置的物體，
整體上dAE的任務設計偏簡單，首先是掩碼部分和BERT只保留10%的原始token相比，dAE85%的概率都保留原始token；同時還原任務只使用當前句子的物體作為候選，候選集較小，至于為什么把任務調整的更加簡單，作者只簡單說是因為token-entity對齊會存在一定error，不過我對這部分的任務設計還是有些疑惑~有了解的同學求解答
ERNIE的預訓練程序使用了google BERT的引數來初始化T-Encoder，TransE的物體Embedding在訓練程序中是Freeze的，K-Encoder的引數會隨機初始化，效果上在Entity Typing和Relation Classification上都有較明顯的效果提升
在常規的GLUE Benchmark上，針對樣本量較大的任務ERNIE和BERT持平，但是對樣本較小的任務上存在波動有好有壞，不過波動本身并不小，，，所以感覺不太能說明物體資訊引入完全沒有影響到原始背景關系資訊
整體上ERNIE的效果提升還是顯著的，幾個能想到的討論方向有
- 預訓練任務的優化
- 特殊處理引入物體資訊后可能對背景關系語意產生的影響
- 模型本身因為額外的K-Encoder的加入，模型復雜度較高，想要落地難度較大
K-BERT
- paper: ERNIE: Enhanced Language Representation with Informative Entities
- gitub: https://github.com/autoliuweijie/K-BERT
- Take Away: 通過soft MASK和soft PE在引入知識表征的同時不影響原有文本語意
K_BERT通過soft-Mask和soft-position，在不影響原始語意的情況下，把知識圖譜的3元組資訊直接融入文本表征，以’CLS Tim Cook is visiting Beijing Now‘ 為例，分別看下K-bert如何定位，表征和融入知識
knowledge Layer
K-bert在輸入層之前加入知識層，負責知識的定位和表征，K-Bert通過字符匹配的方式先定位到句子中的物體，然后去圖譜中請求物體相關的全部3元組，句子中的Tim Cook和Beijing物體，分別能請求到如下三元組：[Tim Cook, CEO, Apple], [Beijing, capital, China],[Beijing, is_a , City]，這里請求深度為1，也就是Beijing請求得到的China后，不會用China去進一步檢索，所有請求到的三元組會構建如下的句子樹
定位到知識后，在知識表征上K-Bert沒有引入圖譜相關的預訓練知識表征，而是選擇把三元組資訊和原始token一同輸入模型，使用相同的token embedding來進行語意表征，所以需要對以上的句子樹進行展開，展開的順序是按照原始句子遍歷，如果碰到分支就把分支的token加入，然后繼續遍歷原始句子，展開后的句子如下，輸入和BERT相同是token+position+segment embedding
Seeing Layer & position Encoding
不過以上的知識表征方式存在一個問題，就是對句子樹進行展開時，人為引入了噪音，主要包括3個方面
- 因為知識的插入，人為改變了原始句子中token間的距離
- 插入知識后的句子并不符合常規的文本表達
- 引入的知識和其他知識以及其他與文本互動時會引入噪音，例如Apple和China不應該存在顯示的互動
針對這些問題，作者提出了Soft—PE和Soft-MASK的實作，核心就是讓原始token的PE保持不變，原始token之間的互動不變，每個token只和自己的知識進行互動，
Soft-PE就是保持原始句子的位置編碼不變，對于插入的知識會從物體的位置開始向后順延，于是會存在重復的PE，例如is在原始句子中的位置id是3，CEO對應的物體是TimCook位置是2，順延后位置id也是3，他們的位置編碼就是相同的，這樣就解決了以上的問題1
Soft-Mask就是通過掩碼對知識部分進行隔離，CEO Apple只和Tim Cook進行互動，不和其他token進行互動，保證知識的引入只是為當前物體提供補充資訊，不會干擾整體背景關系語意，也不會和其他token互動引入噪音，這樣就解決了以上的問題2和3
作者也通過消融實驗證明了，如果不使用Soft-MASK和Soft-PE, k-bert的效果會顯著低于原始BERT，
訓練
K-Bert只在下游任務微調中使用了KG，核心問題在于如果在預訓練中加入KG，因為知識表征中使用了和原始文本相同的詞向量，所以會導致物體三元組中兩個物體的文本表征變得變得高度相似，導致語意資訊損失，所以K-Bert只在微調中引入了物體三元組資訊，
效果上，醫療領域KG對醫療NER的效果提升最明顯，通用知識KG對與金融和法律的NER有部分提升，對推理類任務有微小提升，情感分類任務因為和知識關系不大所以效果有限~
K-BERT只在微調中引入KG的好處是遷移到不同領域的成本較低，幾個能想到的討論點有
- 微調中引入知識，微調的樣本量和擬合目標一定程度限制了KG的融合效果
- Soft-MASK矩陣的構造成本較高，batch中的每個句子都需要獨立構造掩碼矩陣
- 復用文本token來表征知識資訊，雖然解決了知識表征和文本表征不一致的問題，但是只引入物體三元組資訊，會丟失掉KG中更豐富的關聯資訊
Reference
- https://github.com/zcgzcgzcg1/ACL2022_KnowledgeNLP_Tutorial
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/502183.html
標籤：其他
上一篇：Bert不完全手冊7. 為Bert注入知識的力量 Baidu-ERNIE & THU-ERNIE & KBert
下一篇：第二講 Python編程基礎