BiLSTM上的CRF,用命名实体识别任务来解释CRF(2)损失函数

点击上方“AI公园”,关注公众号,选择加“星标“或“置顶”


作者:CreateMoMo

编译:ronghuaiyang

导读

今天是第二部分,给大家推导一下CRF的损失函数如何计算,思路很清楚。

回顾

前一节中,我们知道CRF层可以从训练数据集中学习一些约束,以确保最终预测的实体标签序列是有效的。

约束条件可以是:

  • 句子中第一个单词的标签应该以“B-”或“O”开头,而不是“I-”

  • “B-label1 I-label2 I-label3 I-…”,在这个模式中,label1、label2、label3…应该是相同的命名实体标签。例如,“B-Person I-Person”是有效的,但是“B-Person I-Organization”是无效的。

  • “O I-label”无效。一个命名实体的第一个标签应该以“B-”而不是“I-”开头,换句话说,有效的模式应该是“O B-label”

阅读本文之后,你将了解为什么CRF层可以学习这些约束。

2. CRF层

在CRF层的损失函数中,我们有两种类型的分数。这两个分数是CRF层的关键概念

2.1 Emission得分

第一个是emission分数。这些emission分数来自BiLSTM层。例如,如图2.1所示,标记为B-Person的w0的分数为1.5。

BiLSTM上的CRF,用命名实体识别任务来解释CRF(2)损失函数_第1张图片

为了方便起见,我们将给每个标签一个索引号,如下表所示。

BiLSTM上的CRF,用命名实体识别任务来解释CRF(2)损失函数_第2张图片

我们用 来表示emission分数。i是word的索引, 是label的索引。如图2.1所示,=1,即w1作为B-Organization的得分为0.1。

2.2 Transition得分

我们使用 来表示transition分数。例如,表示标签的transition, 得分为0.9。因此,我们有一个transition得分矩阵,它存储了所有标签之间的所有得分。

为了使transition评分矩阵更健壮,我们将添加另外两个标签,START和END。START是指一个句子的开头,而不是第一个单词。END表示句子的结尾。

下面是一个transition得分矩阵的例子,包括额外添加的START和END标签。

BiLSTM上的CRF,用命名实体识别任务来解释CRF(2)损失函数_第3张图片

如上表所示,我们可以发现transition矩阵已经学习了一些有用的约束。

  • 句子中第一个单词的标签应该以“B-”或“O”开头,而不是“I-”开头**(从“START”到“I- person或I- organization”的transition分数非常低)**

  • “B-label1 I-label2 I-label3 I-…”,在这个模式中,label1、label2、label3…应该是相同的命名实体标签。例如,“B-Person I-Person”是有效的,但是“B-Person I-Organization”是无效的。(例如,从“B-Organization”到“I-Person”的分数只有0.0003,比其他分数低很多)

  • “O I-label”无效。一个被命名实体的第一个标签应该以“B-”而不是“I-”开头,换句话说,有效的模式应该是“O B-label”(同样, 的分数非常小)

你可能想问一个关于矩阵的问题。在哪里或如何得到transition矩阵

实际上,该矩阵是BiLSTM-CRF模型的一个参数。在训练模型之前,可以随机初始化矩阵中的所有transition分数。所有的随机分数将在你的训练过程中自动更新。换句话说,CRF层可以自己学习这些约束。我们不需要手动构建矩阵。随着训练迭代次数的增加,分数会逐渐趋于合理。

2.3 CRF损失函数

CRF损失函数由真实路径得分和所有可能路径的总得分组成。在所有可能的路径中,真实路径的得分应该是最高的。

例如,如果我们的数据集中有如下表所示的这些标签:

BiLSTM上的CRF,用命名实体识别任务来解释CRF(2)损失函数_第4张图片

我们还是有一个5个单词的句子。可能的路径是:

  • 1) START B-Person B-Person B-Person B-Person B-Person END

  • 2) START B-Person I-Person B-Person B-Person B-Person END

  • 10) START B-Person I-Person O B-Organization O END

  • N) O O O O O O O

假设每条可能的路径都有一个分数 ,并且总共有N条可能的路径,所有路径的总分数是。(在第2.4节中,我们将解释如何计算 ,你也可以把它当作这条路径的分数。)

如果我们说第10条路径是真正的路径,换句话说,第10条路径是我们的训练数据集提供的黄金标准标签。在所有可能的路径中,得分 应该是百分比最大的。

在训练过程中,我们的BiLSTM-CRF模型的参数值将会一次又一次的更新,以保持增加真实路径的分数百分比。

现在的问题是:1)如何定义一个路径的分数?2)如何计算所有可能路径的总分?3)当我们计算总分时,我们需要列出所有可能的路径吗?(这个问题的答案是否定的。)

在下面的小节中,我们将看到如何解决这些问题。

2.4 实际路径得分

在2.3节中,我们假设每条可能的路径都有一个得分 ,并且有N条可能的路径,所有路径的总得分为

显然,在所有可能的路径中,一定有一条是真实路径。对于这个例子来说,第1.2节中句子的实际路径是**“START B-Person I-Person O B-Organization O END”**。其他的是不正确的,如“START B-Person B-Organization O I-Person I-Person B-Person”。 是第i条路径的得分。

在训练过程中,CRF损失函数只需要两个分数:真实路径的分数和所有可能路径的总分数。所有可能路径的分数中,真实路径分数所占的比例会逐渐增加

计算实际路径分数 非常简单。

这里我们主要关注的是 的计算。

选取真实路径,“START B-Person I-Person O B-Organization O END”,我们以前用过,例如:

  • 我们有一个5个单词的句子,w1,w2,w3,w4, w4,w5

  • 我们增加了两个额外的单词来表示一个句子的开始和结束,w0,w6

  • 由两部分组成:

Emission得分

  • 是第index个单词被label标记的分数

  • 这些得分来自之前的BiLSTM输出。

  • 对于,我们可以把它们设为0。

Transition得分

  • 是从 label1到label2的transition分数

  • 这些分数来自CRF层。换句话说,这些transition分数实际上是CRF层的参数。

综上所述,现在我们可以计算出 以及路径得分

下一步是如何计算所有可能路径的总分

2.5 所有可能的路径的得分

如何逐步计算一个toy例子一个句子的所有可能的路径的总分。

在上一节中,我们学习了如何计算一个路径(即 )的标签路径得分。到目前为止,我们还有一个需要解决的问题,就是如何得到所有路径的总分()。

衡量总分最简单的方法是:列举所有可能的路径并将它们的分数相加。是的,你可以用这种方法计算总分。然而,这是非常低效的。训练的时间将是难以忍受的。

在探索以下内容之前,我建议你先准备一张白纸和一支笔,并按照示例中列出的步骤进行操作。我相信这将有助于你更好地理解算法的细节。此外,你应该知道如何用你喜欢的编程语言实现它。

步骤1: 回想一下CRF损失函数

在p 2.3中,我们将CRF损失函数定义为:

现在我们把loss函数变成log loss函数:

因为当我们训练一个模型时,通常我们的目标是最小化我们的损失函数,我们加上一个负号:

在上一节中,我们已经知道如何计算实际路径得分,现在我们需要找到一个有效的解决方案来计算

步骤2: 回忆一下Emission和Transition得分

为了简化,我们假设我们从这个句子中训练我们的模型,它的长度只有3:

此外,在我们的数据集中,我们有两个标签:

我们还有Bi-LSTM层输出的Emission分数:

BiLSTM上的CRF,用命名实体识别任务来解释CRF(2)损失函数_第5张图片

表示 被标记为 的得分。

此外,Transition分数来自CRF层:

![1585055587948](CRF Layer on the Top of BiLSTM - 2.assets/1585055587948.png)

是从标签i到标签j的transition得分。

步骤3: 开始战斗(准备好纸笔)

记住:我们的目标是:


这个过程就是分数的累加。其思想与动态规划相似(如果你不知道什么是动态编程,也可以继续阅读本文)。我将逐步解释这个例子。但我强烈建议你学习动态规划算法。简而言之,计算w0的所有可能路径的总分。然后,我们用总分来计算w0→w1。最后,我们使用最新的总分来计算w0→w1→w2。我们需要的是最后的总分。

在接下来的步骤中,你将看到两个变量:obspreviousprevious存储前面步骤的最终结果。obs表示当前单词的信息。


如果我们的句子只有一个单词 ,我们就没有前面步骤的结果,因此previous是None。另外,我们只能观察到第一个词 是上述的Emission分数。

你可能会想, 的所有可能路径的总分是多少?答案很简单:


  1. previous展开成:

  1. obs展开成:

你可能想知道,为什么我们需要把previousobs扩展成矩阵。因为矩阵可以提高计算的效率。在下面的过程中,你将很快看到这一点。

  1. previous, obs以及transition得分求和:

然后:

为下一个迭代修改previous的值:

实际上,第二次迭代已经完成。如果有人想知道如何计算所有可能路径的总分(label1→label1, label1→label2, label2→label1, label2→label2),从w0到w1,可以做如下计算。

我们使用新的previous中的元素:

你发现了吗?这正是我们的目标:

在这个等式中,我们可以看到:


:

如果你读到这里了,你已经快要读完了,实际上,在这个迭代里,我们做的事情是和上个迭代一样的。

  1. previous扩展成:

  1. obs扩展成:

  1. previous, obs和transition分数加起来:

然后:

为下一个迭代计算 previous的值:

BiLSTM上的CRF,用命名实体识别任务来解释CRF(2)损失函数_第6张图片

就像下一个迭代描述的一样,我们使用新的previous中的元素来计算total score:

BiLSTM上的CRF,用命名实体识别任务来解释CRF(2)损失函数_第7张图片

恭喜

我们达到了目标, ,我们的toy句子有三个单词,label set有两个label,所以一共应该有8种可能的label path。


在你享用一杯咖啡或一块甜蛋糕休息之前,请允许我说几句话。虽然你发现这个过程相当复杂,但是实现这个算法要容易得多。使用计算机的优点之一是可以完成一些重复性的工作。现在你可以自己实现CRF损失函数,并开始训练自己的模型。

END

英文原文:https://createmomo.github.io/2017/09/23/CRF_Layer_on_the_Top_of_BiLSTM_2

请长按或扫描二维码关注本公众号

喜欢的话,请给我个好看吧

你可能感兴趣的:(BiLSTM上的CRF,用命名实体识别任务来解释CRF(2)损失函数)