论文信息

论文地址https://arxiv.org/pdf/2210.17168.pdf

Abstract

论文提出了一种tokenlevel的自蒸馏对比学习(selfdistillation contrastive learning)方法

1. Introduction

在这里插入图片描述

传统方法使用BERT后,会对confusion chars进行聚类,但使用作者提出的方法,会让其变得分布更均匀。

confusion chars: 指的应该是易出错的字。

2. Methodology

2.1 The Main Model

作者提取特征方式:① 先用MacBERT得到hidden states然后word embeddinghidden states进行点乘。写成公式为:

H

=

M

a

c

B

E

R

T

(

X

)

W

bf{H} = MacBERT(X) cdot W

H=MacBERT(X)W

这里

W

W

W 应该就是BERT最前面embedding层对X编码后的向量

后面就是正常接个输出层再计算CrossEntropyLoss

2.2 Contrastive Loss

在这里插入图片描述

基本思路:让错字token特征向量和其对应正确字的token特征向量距离越近越好。这样BERT就能拿着错字,然后编码出对应正确字的向量最后预测层就能预测对了。

作者的做法:

  1. 错误句子左边进入BERT,正确句子右边进入BERT
  2. 对于错字,进行对比学习,让其与对应的正确字的特征向量距离越近越好。即这个错字的正样本
  3. 错误句子的其他token作为错字的负样本,使错字token的特征向量与其他向量的距离越远越好。上图中,字有5个负样本,即我、有、吃、旱、饭

上图中双头实线(↔)表示两个token要距离越近越好,双头虚线表示两个token要距离越远越好

损失函数公式如下

L

c

=

i

=

1

n

L

(

x

~

i

)

log

exp

(

sim

(

h

~

i

,

h

i

)

/

τ

)

j

=

1

n

exp

(

sim

(

h

~

i

,

h

j

)

/

τ

)

L_c = –sum_{i=1}^n Bbb{L}left(tilde{x}_iright) log frac{exp left(operatorname{sim}left(tilde{h}_i, h_iright) / tauright)}{sum_{j=1}^n exp left(operatorname{sim}left(tilde{h}_i, h_jright) / tauright)}

Lc=i=1nL(x~i)logj=1nexp(sim(h~i,hj)/τ)exp(sim(h~i,hi)/τ)

其中:

上面损失使用CrossEntropyLoss实现

作者还为右边的BERT增加了一个Loss

L

y

L_y

Ly,目的是让右边可以输出它的输入,即copypaste任务

最终的损失如下

L

=

L

x

+

α

L

y

+

β

L

c

L = L_x+alpha L_y+beta L_c

L=Lx+αLy+βLc

2.3 Implementation Details(Hyperparameters)

3. Experiments

在这里插入图片描述

代码实现

import torch
import torch.nn as nn
from transformers import BertTokenizerFast, BertForMaskedLM
import torch.nn.functional as F


class SDCLModel(nn.Module):

    def __init__(self):
        super(SDCLModel, self).__init__()
        self.tokenizer = BertTokenizerFast.from_pretrained('hfl/chinese-macbert-base')
        self.model = BertForMaskedLM.from_pretrained('hfl/chinese-macbert-base')

        self.alpha = 1
        self.beta = 0.5
        self.temperature = 0.9

    def forward(self, inputs, targets=None):
    	"""
    	inputs: 为tokenizer原文编码后的输入,包括input_ids, attention_masktargets:与inputs相同,只不过是对目标文本编码后的结果。
    	"""
        if targets is not None:
        	# 提取labels的input_ids
            text_labels = targets['input_ids'].clone()
            text_labels[text_labels == 0] = -100  # -100计算损失时会忽略
        else:
            text_labels = None
		
        word_embeddings = self.model.bert.embeddings.word_embeddings(inputs['input_ids'])
        hidden_states = self.model.bert(**inputs).last_hidden_state
        logits = self.model.cls(hidden_states * word_embeddings)

        if targets:
            loss = F.cross_entropy(logits.view(logits.shape[0] * logits.shape[1], logits.shape[2]), text_labels.view(-1))
        else:
            loss = 0.

        return logits, hidden_states, loss

    def extract_outputs(self, outputs):
        logits, _, _ = outputs
        return logits.argmax(-1)

    def compute_loss(self, outputs, targets, inputs, detect_targets, *args, **kwargs):
        logits_x, hidden_states_x, loss_x = outputs
        logits_y, hidden_states_y, loss_y = self.forward(targets, targets)

        # FIXME
        anchor_samples = hidden_states_x[detect_targets.bool()]
        positive_samples = hidden_states_y[detect_targets.bool()]
        negative_samples = hidden_states_x[~detect_targets.bool() & inputs['attention_mask'].bool()]

        # 错字和对应正确的字计算余弦相似
        positive_sim = F.cosine_similarity(anchor_samples, positive_samples)
        # 错字与所有batch内的所有其他字计算余弦相似度
        # (FIXME,这里与原论文不一致,原论文说的是与当前句子的其他字计算,但我除了for循环,不知道该怎么写)
        negative_sim = F.cosine_similarity(anchor_samples.unsqueeze(1), negative_samples.unsqueeze(0), dim=-1)

        sims = torch.concat([positive_sim.unsqueeze(1), negative_sim], dim=1) / self.temperature
        sim_labels = torch.zeros(sims.shape[0]).long().to(self.args.device)

        loss_c = F.cross_entropy(sims, sim_labels)

        self.loss_c = float(loss_c)  # 记录一下

        return loss_x + self.alpha * loss_y + self.beta * loss_c

    def get_optimizer(self):
        return torch.optim.AdamW(self.parameters(), lr=7e-5)

    def predict(self, src):
        src = ' '.join(src.replace(" ", ""))
        inputs = self.tokenizer(src, return_tensors='pt').to(self.args.device)
        outputs = self.forward(inputs)
        outputs = self.extract_outputs(outputs)[0][1:-1]
        return self.tokenizer.decode(outputs).replace(' ', '')

个人总结

值得借鉴的地方

  1. 作者并没有直接使用BERT的输出作为token embedding,而是使用点乘的方式融合了BERT的输出和word embeddings

原文地址:https://blog.csdn.net/zhaohongfei_358/article/details/134686795

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任

如若转载,请注明出处:http://www.7code.cn/show_33138.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注