读论文——Pre-Training with Whole Word Masking for Chinese BERT（2021 11.25）

第一遍

标题以及作者（2021 11.25）

摘要

1. 本文基于BERT，在RoBERTa上进行一系列改进，提出了用于中文的预训练模型MacBERT。
2. 提出了一种新的掩码策略，MLM as correction

结论

1. 本文将MLM任务改为纠错任务，降低了预训练和微调之间的差异。
2. 探索一种有效的方法来确定遮蔽比率。

1. 介绍

本文贡献点：

1. 本文研发并公布了一系列中文预训练模型，用作比较模型性能。
2. 本文提出了一种新的预训练模型MacBERT，通过掩盖词语的近义词任务，降低了预训练和微调之间的差异。
3. 本文还研发了一系列小的模型RBT，有利于在现实生活中使用到它们

2. 相关工作

1. BERT
   1. BERT主要的两个训练任务，MLM和NSP
2. ERNIE（Enhanced Representation through kNowledge IntEgration）
   1. 通过优化掩盖过程（实体级别掩盖[命名实体]、短语级别掩盖[类似于N-gram掩盖策略]）
3. XLNet(为了避免BERT的MLM在训练和微调阶段的不一致问题)
   1. Permutation Language Model
   2. 将自编码修改为自回归
4. RoBERT(Robustly Optimized BERT Pretraining Approach)
   1. 使用更大的batch、更长的序列
   2. 去除NSP任务
5. ALBERT(A Lite BERT，主要为了降低BERT内存消耗和训练速度慢的问题)
   1. 将嵌入层矩阵分解为两个小矩阵
   2. 跨层参数共享，在不同层中参数共享
   3. 提出了SOP任务（sentence-order prediction）去替代NSP任务
6. ELECTRA(Efficiently Learning an Encoder that Classifiers Token Replacements Accurately)
   1. 采用生成器-鉴别器的结构，类似于GAN
   2. 使用一个小的MLM去预测被掩盖住的词，使用一个鉴别器来分辨输入的token是否被生成器替换（Replaced Token Detection，RTD），二分类问题。
   3. 在微调阶段，舍弃生成器，仅用鉴别器进行微调。

第二遍

3. 中文预训练模型

1. BERT-wwm & RoBERTa-wwm
   1. 中文没法使用子词分割，因此使用词级别的分割和CWS（Chinese Word Segmentation），本文使用LTP工具
2. ELECTRA
3. RBT Series
   1. 更小的BERT-like模型，例如：RBT3（3层RoBERTa-base）、RBT4、RBT6、RBTL3（3层RoBERTa-large）

4. MacBERT

1. 模型结构

   

2. MLM as correction

   1. 本文采用wwm(N-gram)遮蔽策略， 从一个词到4个词对应的掩盖概率为40%-10%；未来还将尝试新的遮蔽策略PMI-masking
   2. 本文采用词的近义词（通过使用Synonyms工具）进行遮蔽，在极少数情况下，没有近义词时使用随机的词替换。
   3. 本文对输入15%的词进行遮蔽，对于遮蔽的词80%的概率被替换为近义词、10%的概率被替换为随机词、10%的概率保留为原始词。

3. Sentence Order Prediction（SOP）

   1. 正样本：由两个连续的文本组成；负样本：通过交换原始文本顺序得到

4. Neural Architecture

   1. 获取文本上下文表示
      $$\begin{array}{c}X=[\text{ CLS }]A_1\dots A_n[\text{ SEP }]B_1\dots B_m[\text{ SEP }]\\ {\mathbf{H}}^{(0)}=\mathrm{Embedding}(X)\\ {\mathbf{H}}^{(i)}=\text{ Transformer }\left({\mathbf{H}}^{(i-1)}\right),i\in \{1,\dots ,L\}\end{array}$$

   2. MLM as correction任务损失定义
      $$\begin{gathered} {\mathbf{p}}_i={\mathbf{H}}_i^m{\mathbf{W}}^{e^T}+\mathbf{b} \\ \mathcal{L}=-\frac{1}{M}\sum _{i=1}^M{\mathbf{y}}_i\text{log}{\mathbf{p}}_i \end{gathered}$$

   3. SOP输出定义，SOP损失也采用交叉熵损失函数
      $$\mathbf{p}=\mathbf{s}\mathbf{o}\mathbf{f}\mathbf{t}\mathbf{m}\mathbf{a}\mathbf{x}({\mathbf{h}}_0{\mathbf{W}}^s+{\mathbf{b}}^s)$$

   4. 网络损失函数
      $$\mathcal{L}={\mathcal{L}}_{mac}+{\mathcal{L}}_{sop}$$

5. 实验

1. 数据处理

   1. 本文中文维基百科（0.4B）和其他中文资源（5.6B）
   2. 分词采用LTP

2. 训练过程

   

3. 微调过程

   

6. 结果

1. Machine Reading Comprehension

   Machine Reading Comprehension（MRC）是一种具有代表性的文档级建模任务，需要根据给定的文章回答问题。

   

   

2. Single Sentence Classification

   

3. Sentence Pair Classification

   

4. 小模型上的结果

   

7. 讨论

1. 消融实验

   

2. 探究了不同的遮挡策略

   

3. Analyses on Chinese Spell Check

   

第三遍

小结：

1. 本文使用一种新的MLM方法，将随机掩码替换为近义词，本文认为这里将一个自编码任务变成了一个纠错任务，可以更好地保留上下文信息，在中文数据集中表现很好。
2. 本文公布了很多种中文预训练模型，并比较它们在不同任务上的效果，有利于其他人继续在中文预训练模型上进行开阔。