2019年CS224N课程笔记-Lecture 12: Subword Models
资源链接：https://www.bilibili.com/video/BV1r4411
正文内容
人类语言声音：语音学和音韵学（ Phonetics and phonology）
（课件内容，不是很懂。。。）
- Phonetics 语音学是一种音流——物理学或生物学
- Phonology 语音体系假定了一组或多组独特的、分类的单元：phoneme 音素 或者是独特的特征
- 这也许是一种普遍的类型学，但却是一种特殊的语言实现
- 分类感知的最佳例子就是语音体系
- 音位差异缩小；在音素之间被放大
大致意思就是：caught和cot有不同的元音在发音，但是美国西南部长大的人很多不区分元音，这样这两个词对于不区分的来说是相同的，这个也和自然语言处理中分类有很大影响，区分哪些声音对他们是敏感的
词法：词的部分
- 声音本身在语言中没有意义:a和e，b和p是没有意义的（没有实际意义，词是有实际意义的）
- parts of words/词 是音素的下一级的形态学，是具有意义的最低级别（也就是单个字母没有意义，但是单词是有意义的，例如财富代表巴拉巴拉，幸运代表巴拉巴拉）
- 传统上，morphemes 词素是最小的语义单位(以不幸/unfortunately为例子)
-
- 深度学习:形态学研究较少；递归神经网络的一种尝试是 (Luong, Socher, & Manning 2013)
- 处理更大词汇量的一种可能方法——大多数看不见的单词是新的形态(或数字)
（斯坦福大学之前也研究过这种语义表示的树状结构，如上图）
Morphology/形态学
- 一个简单的替代方法是使用字符 n-grams （上图n=3）
- Wickelphones (Rumelhart& McClelland 1986)
- Microsoft’s DSSM (Huang, He, Gao, Deng, Acero, & Hect2013)
- 使用卷积层的相关想法
- 能更容易地发挥词素的许多优点吗？
在神经网络80年代中期到九十年代初期，语言结构是个很有争议的问题，有些人建立了学习动词过去式形态的系统，但是最困难的地方是很多不规则的动词过去式（上述图就是当时人们使用的模型方法，类似一个三元组/每次取三个，但是这个想法遭到了很多争议，但是单纯作为工程解决方案，事实证明是很好的方法）
书写系统中的单词
许多语言没有分词：比较出名的就是咱们的汉语啦～，例如：美国关岛国际机场及其办公室均接获（希腊语也木有）
附著词？
- 分开的：
- 连续的：
复合的（复合名词）？
- 分开的：
- 连续的：
（英语复合名词是带-的，但是例如德语、日耳曼语等复合词类似上述连续的）
单词级别下的模型
- 需要处理数量很大的开放词汇：巨大的、无限的单词空间 （例如捷克语、美国土著语等都比较复杂...单词空间贼大）
- 丰富的形态
- 音译（特别是名字，在翻译中基本上是音译）
- 非正式的拼写（下图的Goooo...od和Vibesss...）
字符级模型
- 词嵌入可以由字符嵌入组成
- 为未知单词生成嵌入
- 相似的拼写共享相似的嵌入
- 解决OOV问题
- 连续语言可以作为字符处理：即所有的语言处理均建立在字符序列上，不考虑 word-level
- 这两种方法都被证明是非常成功的！
- 有点令人惊讶的是——传统上，音素/字母不是一个语义单元——但深度学习模型组成了组
- 深度学习模型可以存储和构建来自于多个字母组的含义表示，从而模拟语素和更大单位的意义，从而汇总形成语义
（感觉有个分布式词向量的那个味道）
书写系统
大多数深度学习NLP的工作都是从语言的书面形式开始的——这是一种容易处理的、现成的数据
但是人类语言书写系统不是一回事！各种语言的字符是不同的！（有的字符带有语义）
纯字符级模型
- 上节课我们看到了一个很好的纯字符级模型的例子用于句子分类
- 非常深的卷积网络用于文本分类
- Conneau, Schwenk, Lecun, Barrault.EACL 2017
- 强大的结果通过深度卷积堆叠
纯字符级NMT模型
- 以字符作为输入和输出的机器翻译系统
- 最初，效果不令人满意
- (Vilaret al., 2007; Neubiget al., 2013)
- 后来，人们拥有成功的字符集解码器/decoder
- (JunyoungChung, KyunghyunCho, YoshuaBengio. arXiv 2016).
- 证明了这个是一个有前景的～
- (Wang Ling, Isabel Trancoso, Chris Dyer, Alan Black, arXiv 2015)
- (Thang Luong, Christopher Manning, ACL 2016)
- (Marta R. Costa-Jussà, José A. R. Fonollosa, ACL 2016)
英语-捷克WMT 2015年的结果（英语和捷克语的翻译系统）
- Luong和Manning测试了一个纯字符级seq2seq (LSTM) NMT系统作为基线/基准
- 它在单词级基线/基准/基础上运行得很好
- 对于 UNK/不存在的词，是用 single word translation 或者 copy stuff from the source
- 字符级的 model 效果更好了，但是太慢了 ，但是在运行时需要3周的时间来训练，运行时没那么快，如果放进了 LSTM 中，序列长度变为以前的数倍（大约七倍）
事实证明翻译还是比较好的～
（char/角色级模型效果很好；而word模型中对于不认识的词，可能直接进行原文替换，这就比较失败了）
Fully Character-Level Neural Machine Translation without Explicit Segmentation
Jason Lee, Kyunghyun Cho, Thomas Hoffmann. 2017. Encoder as below; decoder is a char-level GRU
（大概2020年就出来了，一个更复杂，能了解原端语言含义的模型，用了很多我们上次说的技术，编码方面使用字母嵌入序列）
在LSTM seq2seq模型中，深度越大，字符越强
Revisiting Character-Based Neural Machine Translation with Capacity and Compression. 2018. Cherry, Foster, Bapna, Firat, Macherey, Google AI
（在捷克语这样的复杂语言中，字符级模型的效果提升较为明显，但是在英语和法语等语言中则收效甚微。小型的模型适合文字模型，大型的适合角色模型，也就是模型较小时，word-level 更佳；模型较大时，character-level 更佳）
子词模型：两种趋势
与word级模型相同的架构
- 但是使用更小的单元:“word pieces”
- [Sennrich, Haddow, Birch, ACL’16a], [Chung, Cho, Bengio, ACL’16].
混合架构
- 主模型使用单词，其他使用字符级
- [Costa-Jussà& Fonollosa, ACL’16], [Luong & Manning, ACL’16].
字节对编码
- BPE 并未深度学习的有关算法，但已成为标准且成功表示 pieces of words 的方法，可以获得一个有限的词典与无限且有效的词汇表。
- 最初的压缩算法 （本来字节作为单位，可以将词作为单位）
- 最频繁的 字节 -> 一个新的字节。
- 用字符ngram替换字节(实际上，有些人已经用字节做了一些有趣的事情)
- Rico Sennrich, Barry Haddow, and Alexandra Birch. Neural Machine Translation of Rare Words with SubwordUnits. ACL 2016.
- https://arxiv.org/abs/1508.07909
- https://github.com/rsennrich/subword-nmt
- https://github.com/EdinburghNLP/nematus
- 分词算法 word segmentation
- 虽然做得很简单，有点像是自下而上的短序列聚类
- 将数据中的所有的Unicode字符组成一个unigram的词典
- 最常见的 ngram pairs 视为 一个新的 ngram
- 有一个目标词汇量，当你达到它的时候就停止
- 做确定性的最长分词分割
- 分割只在某些先前标记器(通常MT使用的 Moses tokenizer )标识的单词中进行
- 自动为系统添加词汇，不再是基于传统方式的 strongly “word”
- 阿紫2016年WMT排名第一！仍然广泛应用于2018年WMT
词条/句子模型
谷歌NMT (GNMT) 使用了它的一个变体
- V1: wordpiece model
- V2: sentencepiece model
- 不使用字符的 n-gram count，而是使用贪心近似来最大化语言模型的对数似然函数值，选择对应的pieces
- 添加最大限度地减少困惑的n-gram
Wordpiece模型标记内部单词
Sentencepiece模型使用原始文本
- 空格被保留为特殊标记(_)，并正常分组
- 您可以通过将片段连接起来并将它们重新编码到空格中，从而在末尾将内容反转
- https://github.com/google/sentencepiece
- https://arxiv.org/pdf/1804.10959.pdf
BERT 使用了 wordpiece 模型的一个变体
- (相对)在词汇表中的常用词
- at, fairfax, 1910s
- 如果词汇表中不存在，则其他单词由wordpieces组成
- hypatia = h ##yp ##ati ##a
如果你在一个基于单词的模型中使用BERT，你必须处理这个
字符级建立单词级
Learning Character-level Representations for Part-of-Speech Tagging (Dos Santos and Zadrozny 2014)
- 对字符进行卷积以生成单词嵌入
- 为PoS标签使用固定窗口的词嵌入
与字符结合就能处理无限的词了
Character-based LSTM to build word rep’ns/基于字符的LSTM构建word rep'ns/Bi-LSTM构建单词表示
运行角色级/字符级Bi-LSTM连接两个最终状态，我们称之为外向代表，然后我们把这个单词放入更高级的语言模型（我们目标最好就是降低角色级LSTM生成词的困惑度---不太明白这句话。。）
字符感知神经语言模型
Yoon Kim,Yacine Jernite, David Sontag, Alexander M. Rush. 2015
一个更复杂/精密的想法
动机是：
- 派生一个强大的、健壮的语言模型，该模型在多种语言中都有效
- 编码子单词关联性：eventful, eventfully, uneventful…
- 解决现有模型的罕见字问题
- 用更少的参数获得可比较的表达性
对字符卷积后选择最可能的词送入词级别
尽管我们对他是存疑的，但是事实上是有很好的效果的，如下图
（红色的是单词前缀，蓝色的是单词后缀，橙色的是连词符，灰色的是其他的一切）
Take-away
（课上没讲，属于ppt内容）
- 本文对使用词嵌入作为神经语言建模输入的必要性提出了质疑
- 字符级的 CNNs + Highway Network 可以提取丰富的语义和结构信息
- 关键思想：您可以构建“building blocks”来获得细致入微且功能强大的模型！
混合式NMT/混合式神经翻译系统
- 两全其美的建筑（比单纯的字符级更好，比字符级底层然后词级上层的也更加合理）
- 翻译大部分是单词级别的
- 只在需要的时候进入字符级别
- 使用一个复制机制，试图填充罕见的单词，产生了超过 2 BLEU的改进
模型想法/架构如下：（只是打算。还没做哟～）
2-stage Decoding
单词级别的束搜索
- 只有当遇到
时，才使用字符级别的束搜索 - 混合模型与字符级模型相比
- 纯粹的字符级模型能够非常有效地是用字符序列作为条件上下文
- 混合模型虽然提供了字符级的隐层表示，但并没有获得比单词级别更低的表示
WMT2015年冠军系统
2015冠军，用了30倍数据和三个系统，但是混合系统更np
英语-捷克语翻译示例
遇见
Chars for word embeddings/单词嵌入的字符
一种用于单词嵌入和单词形态学的联合模型(Cao and Rei 2016)
- 与word2vec目标相同，但使用字符
- 双向LSTM计算单词表示
- 模型试图捕获形态学
- 模型可以推断单词的词根
FastText embeddings/子词嵌入
目标：下一代高效的类似于word2vecd的单词表示库，但更适合于具有大量形态学的罕见单词和语言
- 带有字符n-grams的 w2v 的 skip-gram模型的扩展
- 将单词表示为用边界符号和整词扩充的字符n-grams
- where=
- 注意
和 - 前缀、后缀和整个单词都是特殊的
- 将word表示为这些表示的和。上下文单词得分为
- 细节：与其共享所有n-grams的表示，不如使用“hashing trick”来拥有固定数量的向量
这里课程讲的比较浅，有兴趣可以看看动手学习深度学习的这部分内容
这个子词模型也是很成功的，如下：单词相似度得分？
罕见单词的差异收益
