NER中的一些编码器与解码器

本篇文章是命名实体识别（NER）算法的进一步介绍，主要内容是介绍一些编码器与解码器，作为上一篇内容的补充。

参考

中文NER的正确打开方式: 词汇增强方法总结 (从Lattice LSTM到FLAT)
GlobalPointer：用统一的方式处理嵌套和非嵌套NER
如何解决transformer对NER效果不佳的问题
1、Sinusoidal位置编码追根溯源
Lex-BERT：超越FLAT的中文NER模型？
中文实体识别最新SOTA算法Lex-Bert算法效果复现

编码

关于编码部分，我想更多的介绍一些中文编码的内容，我们知道中文都是对字进行编码的，如果能够将词汇信息加入到其中，能够提供更为丰富的信息。

对于bert而言，对于中文他是对字进行处理的，可以对句子进行分词，对分词的position进行编码，然后和bert输出的字向量concat，再接上解码器会增加一些效果。但是BERTBERT存在推断慢的问题，因此如果我们面对低延时的要求时，可能需要考虑一下其他的模型。比如在命名实体识别（NER）算法中我们介绍了Lattice LSTM就引入了词汇的信息。

Lattice LSTM中存在一些缺点：

1. 计算性能低下，不能batch并行化。原因是每个字符之间的word cell数目不一致。
2. 信息损失。只有以该字符为结尾的词汇信息，才会被融入到字符中，也就是说词汇的中间部分是无法获取词汇的表征的。比如：“南京市”，只有 “市” 才可以获取“南京市”的词汇信息，而“京”中不包含“南京市”的信息。而且，由于RNN的特性，采取BiLSTM时其前向和后向的词汇信息不能共享。

LR-CNN

CNN-Based Chinese NER with Lexicon Rethinking。

Lattice LSTM采取RNN结构，无法有效处理信息冲突问题，如上图所示，对于【州】和【长】都无法仅仅根据上文信息得到标签，对于这种冲突问题，我们需要利用全局信息解决。

LR-CNN的结构如下：

首先，有句子$C=\{c_1,c_2,\cdots ,c_M\}$，其中的$c_i$表示第$i$个位置上通过字符embedding得到的结果。在此之上，建立$L$层CNN层，每一层的感受野均为2，这样对第二层而言就提取了2-gram的特征（第一层为embedding层），且能推出在第$l$层，得到的是l-gram的特征：

定义$w_m^l=\{c_m,\cdots ,c_{m+l-1}\}$，且根据（1）可知，$C_m^l$与$w_m^l$有关，使用attention将这两者结合起来，得到一个融合的信息：

从而，我们可以得到最高层的表征为$X_m^L$，这个表征我们可以认为包含尽可能多的全局信息，然后再用这个信息“feedback”给每一层CNN，调整词汇信息的权值，得到每一层新的信息（这一步主要是为了解决信息冲突的问题）：

最后跟一个attention层：

这个结果最终被喂到CRF去解码。

FLAT

Chinese NER Using Flat-Lattice Transformer

tips:
从上图可以看出，FLAT采用的是Transformer，而在之前的博客中提到Transformer不太适合做NER任务。参考如何解决transformer对NER效果不佳的问题 这篇文章。
这里我没太看懂，我的理解是transformer的attention部分是天然对称的，所以他提出了Sinusoidal位置编码 想要打破这种对称性，于是$f(...x_n,....x_m,...)$变成了：$f(...x_n+p_n,....x_m+p_m,...)$ 只要每个位置的编码不同，就不具备这种对称性了。
另外，如果我们做到内积部分，将query*key展开，有:
$$q_i{k}_j^T=x_i{W}_Q{W}_K^T{x}_j^T+x_i{W}_Q{W}_K^T{p}_j^T+p_i{W}_Q{W}_K^T{x}_j^T+p_i{W}_Q{W}_K^T{p}_j^T$$
中间两项并没有被证明其对称性。
这一部分，有大神垂帘我一下私信我教教我么，谢谢。

FLAT设计了一种position encoding的方式融合Lattice结构，如上图所示，输入包括三个部分：token，head (position)，tail (position)；token可以是字符也可以是词，对于字符而言，head=tail，对于词而言，headFLAT可以直接建模字符与所有匹配的词汇信息间的交互，例如，字符[药]可以匹配词汇[人和药店]和[药店]。

而且FLAT改变了原生Transformer位置编码的方式（Sinusoidal 绝对位置编码），而是提出一种新的相对位置编码（一般来说，对于自然语言更依赖相对位置，相对来说，相对位置比绝对位置有更优秀的表现）。

这里的相对距离定义为：

融合：

其中：

最终attention score的计算方式如下：

其有效的原因是：新的相对位置的encoding 有助于定位实体span，引入词汇的word embedding有利于实体type信息的分类。

Lex-BERT

论文原地址找不到了，实在是很奇怪，但是增加实体类型信息的方法可以借鉴一下。

Lex-BERT 引入了 高质量的带有实体类型信息的词表 （如果公司有这个词表的话我觉得可以试试这个方法）。

lex-bert 前提是拥有类型type信息的词汇表。论文作者给出两个版本的Lex-BERT:

• Lex-BERT V1: 将type信息的标识符嵌入到词汇前后；[v][/v] [d][/d]代表的是具体的实体类型。
• Lex-BERT V2: 将type信息的标识符拼接input后，然后与原始word起始的token共享相同的position embedding。
  
  上图为Lex_BERT v2使用的attention mask矩阵。通过这个mask矩阵，可以使得文本token只与文本token做attend，标识符token可以attend所有的token。
  论文给出的效果：
  

解码

GlobalPointer

该解码器是苏神提出的一种可以处理嵌套与非嵌套NER的解码器。更多内容可以参见GlobalPointer：用统一的方式处理嵌套和非嵌套NER

然后，在其中加入相对位置编码，能大幅提升性能：

最后利用将“softmax+交叉熵”推广到多标签分类问题中提到的损失函数，得到其损失为：

其代码链接为： https://github.com/bojone/GlobalPointer