【技术分享】BERT系列（三）-- BERT在阅读理解与问答上应用
本文原作者：梁源，经授权后发布。
原文链接：https://cloud.tencent.com/developer/article/1465005
机器阅读理解和问答是自然语言处理领域的一个火热主题。该任务旨在让机器像人类一样阅读理解。前面两篇文章对BERT的官方源码以及在序列标注上的应用进行了介绍，本篇文章将介绍如何利用BERT来解决阅读理解与问答问题。
1. 阅读理解与问答简介
机器阅读理解与问答主要涉及到深度学习、自然语言处理和信息检索。机器阅读理解具有很高的研究价值和多样的落地场景。它能够让计算机帮助人类在大量文本中快速找到准确答案，从而减轻人们对信息的获取的成本。
具体来讲，机器阅读理解和问答任务（QA）指的是给定一个问题和一个或多个文本，训练的QA系统可以依据文本找出问题答案。一般情况下，有以下三种问题：Simple (factoid) questions，即简单的问题，可以用简单的事实回答，答案通常只是一个name entity；Complex (narrative) questions，即稍微复杂的叙述问题，答案略长；Complex (opinion) questions，即复杂的问题，通常是关于观点/意见。对于第一类问题，标准答案一般与文本中的答案完全匹配。本文涉及的问答任务中的问题均为第一类问题。
传统的解决阅读理解与问答任务的方法有基于特征的逻辑回归（一般作为Baseline）。随着深度学习的流行，越来越多的深度学习模型在此类问题上得到SOTA（state of the art) 结果，包括Stanford的博士生陈丹琦提出的融合大规模开源数据库的DrQA模型，百度提出的Neural recurrent sequence labeling model等。但是当Google提出BERT模型之后，只需要进行简单的fine-tuning，便可在英文数据集SQuAD获得SOTA结果，并且超越了人类的表现。同样的，当我们对模型进行修改以适用于中文文本后，我们发现BERT在中文的阅读理解与问答任务上表现十分出色，远高于其他模型。下面我们将分析BERT在阅读理解和问答上的应用。
2. BERT的Fine-tuning原理
在前面的系列内容中我们已经介绍过BERT如何通过Masked Language Model (MSM) 和Next Sentence Prediction (NSP) 来进行预训练。这里我们介绍如何设计fine-tuning来处理阅读理解与问答。如下图所示，模型的输入序列为句子对所对应的embeddings。句子对由问题和包含答案的文本组成，并有特殊分隔符“【SEP】”分隔。同其他下游任务一样，输入序列的第一个token为特殊分类嵌入“【CLS】”，同时输入序列为token embeddings，segmentation embeddings，以及position embedding之和（具体细节参见 BERT在序列标注任务上的应用）。
BERT的输出为每个token所对应的encoding vector。假设vector的维度为D，那么整个输出序列为$T^{N \times D}$，其中N为整个序列的长度。因为答案由文本中连续的token组成，所以预测答案的过程本质上是确定答案开头和结尾token所在的位置的过程。因此，经过全连接层之后，得到 $O^{N \times 2} = FC(T^{N\times D})$ 。其中$FC$ 代表全连接层，$O^{N\times 2}$ 为每一个token分别作为答案开头和结尾的logit值，再经过Softmax层之后就得到了相应的概率值。经过数据后处理之后，便可得到预测答案。
3. 工作流程
3.1 数据集
我们使用百度在2016年开源的中文问答数据集WebQA为该任务的数据集。该数据集由一系列的（问题，证据，答案）组成。所有的数据均来源于网络，并主要来源于问答社区“百度知道”。换句话说，该数据集中所有数据均来自于真实世界而非虚构。数据集有两大特点：（1）所有的问题均为事实类问答（factoid question），（2）问题的答案由一个实体（name entity）构成。该数据集类似于Stanford开源的英文问答数据集SQuAD，数据片段如下图所示：
下图表示数据集的统计情况。其中Positive Annotated Evidence代表所标注的包含标准答案的证据，而Negative Annotated Evidence为所标注的不包含标准答案的证据，但与问题相关。而Retrieved Evidence表示与问题无关且不包含标准答案的证据。
3.2 数据预处理
首先对问题和证据进行tokenization的处理，即将sentence转为character level的sequence。之后将question sequence 和 evidence sequence相连接并以“【SEP】”分隔。在序列的开头增加“【CLS】”，并在连接的sequence后做padding处理。Padding后序列的总长度是一个超参数，可由用户调节。此外还需提供序列对应的segmentation id 和 input mask 信息，其中segmentation id 表征了token所在句子的信息，而input mask 表征了token是否为padding值。经过预处理后，输入序列如下:
对于question+evidence的长度大于BERT 规定的最大序列长度的情况，将evidence以一定的步长分割为若干段分别于question连接。为了保证分割后的evidence尽可能不削减完整evidence的语义。evidence与evidence之间有一定长度的重叠部分，该部分的长度为超参数可供用户调节。
3.3 模型训练
3.3.1 算法参数介绍
- bert_dir :预训练模型的存放路径，其中包括的重要数据有：
- vocab.txt: 提供的词表用于输入数据的token embedding 的查找。
- bert_config.json: 提供预训练模型的配置信息
- init_checkpoint: 预训练模型的checkpoint
- max_seq_length: 最大序列长度，长度小于该值得序列将进行padding处理，大于该值得序列将进行分段
- doc_stride: 文档滑动窗口，当需要对序列分段时，相邻分段序列的重叠长度
- max_query_length: 最大问题长度，长度大于该值得问题将被截断
- num_epochs: 训练的epoch数
- learning_rate: 学习率
3.3.2 训练细节
在训练过程中的objective function则定义如下。
其中$\tilde y_i$ 为标准答案开头结尾所在位置，$T = {(\tilde y_i, x^e_i)}$ 表示训练集，我们通过BERT+全连接层来建模$p_\theta(y|x)$。
同其他BERT的下游任务一样，训练的优化器采用Adam optimizer。
3.4 模型预测及后处理
同训练数据一样，待预测的问题+文本输入到模型后得到的输出为每个token为答案开头或者答案结尾的logits值，对数据进行后处理便可得到预测的答案，其本质为确定答案片段在文本中开头和结尾的位置。后处理过程相对冗余，在此不展开讨论，其主要逻辑是选择位置合理（start position 和 end position要在文本所在范围，且前者位置要在后者之前等），以及开头和结尾的logits之和尽可能大的结果。
此外模型支持 “no answer” 的预测，即判断证据中不存在问题答案。如果最优预测结果的start 和 end 都指向序列的开头，即“【CLS】“，则可判断为”no answer“。但为了调节模型预测”no answer“的能力，我们提供一个超参数"null_score_diff_threshold"，只有 “no answer”对应的score (logits 之和) 与最优的非 “no answer”对应score 的差值大于该 threshold，模型才判断为 “no answer”。该值可以由用户自行调节。
在预测阶段参数如下所示：
- max_answer_length: 预测答案的最大长度
- version_2_with_negative: 如果为 “True“，模型将考虑“no answer”的情况
- null_score_diff_threshold: 只有 "no answer" 的score 与 非 “no answer” 的score大于该值，判断答案为 “no answer”，该值可以为负。
4. 模型比较
为了展示BERT的优势，我们将其与Bi-LSTM，以及百度在开源WebQA时提出的模型进行比较。在训练BERT及Bi-LSTM时我们采用单块Tesla V100。我们并未重新训练百度提出的模型，而是直接引用其在论文中展示的结果。比较如下：
如图所示，相较于百度提出的Sequence Labeling model，BERT在validation dataset 和 test set的成绩均有大幅度的提升。以Test set 为例，BERT在Accuracy的绝对值提升了16.17个百分点，在F1的绝对值则提升了 19.22个百分点。其中Accuracy和F1的计算公式如下：
其中 $|C|$ 表示数据集中预测答案与标准答案完全匹配的数量，$|A|$ 表示数据集的大小。$F1$ 衡量的是单个数据$F1$ 的平均值。上述式子中的 $P_i, R_i$ 计算的是单个数据的值，将标准答案和预测答案分别看做一个序列，计算其准确率和召回率。
5. 总结
Google在开源BERT模型时已经在英文问答数据集SQuAD上获得SOTA值，经过我们的实验，BERT在处理中文问答任务时同样有十分出色的表现。这证明了BERT作为一种强大的预训练模型，的确可以很好地表征token的词义特征、语义特征、及句法特征。
BERT以及预训练模型例如ELMO，GPT等出色的表现轰动了自然语言处理领域，现如今有很多的学者和机构基于Transformer及BERT提出更强大的模型，例如百度及清华分别提出的ERNIE模型，这两个同名模型均将知识图谱信息（Knowledge Graph）融入BERT，使得BERT在大规模先验知识的加成下表现更进一步，又如Google最近提出的基于 Autogressive Model 的 XLNet，在英文数据集上的表现已经全面超越BERT。由于种种原因（无中文预训练模型等），我们在本次实验当中无法得到这些模型在中文数据上的表现，从而与BERT进行横向对比。但未来我们一定会研究这些前沿模型在中文文本上的表现，做更进一步的分析。此外我们可以断言，Pre-trained Model + Fine Tuning的模式在今后都会是自然语言处理领域的主流。
BERT处理阅读理解的算子已经在智能钛平台上部署，并会在最新的版本中与大家见面。有兴趣的小伙伴可以动手搭建属于自己的智能问答模型。欢迎大家与我们交流。
参考文献
Jacob Devlin, Ming-Wei Chang, Kenton Lee, and Krisina Toutanova.2018.BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.
Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N Gomez, Lukasz Kaiser, and Illia Polosukhin. 2017. Attention is all you need. In Advances in Neural Information Pro- cessing Systems, pages 6000–6010.
Peng Li, Wei Li, Zhengyan He, Xuguang Wang, Ying Cao, Jie Zhou, and Wei Xu. Dataset and neural recurrent sequence labeling model for open-domain factoid question answering. arXiv preprint arXiv:1607.06275, 2016.
Danqi Chen, Adam Fisch, Jason Weston, and Antoine Bordes. 2017. Reading Wikipedia to Answer Open-Domain Questions. CoRR abs/1704.00051 (2017)
系列文章传送门
BERT系列（一）——BERT源码分析及使用方法
BERT系列（二）-- BERT在序列标注上的应用
更多优质技术文章请关注官方微信公众号：
专业AI开发者社区，期待您的光临！
智能钛AI开发者 - 云+社区 - 腾讯云cloud.tencent.com