BERT, GPT, ELMo模型对比

BERT, GPT, ELMo之间的不同点

1. 关于特征提取器:
   • ELMo采用两部分双层双向LSTM进行特征提取, 然后再进行特征拼接来融合语义信息.
   • GPT和BERT采用Transformer进行特征提取.
     BERT采用的是Transformer架构中的Encoder模块.
     GPT采用的是Transformer架构中的Decoder模块.
   • 很多NLP任务表明Transformer的特征提取能力强于LSTM, 对于ELMo而言, 采用1层静态token embedding + 2层LSTM, 提取特征的能力有限.
2. 单/双向语言模型:
   • 三者之中, 只有GPT采用单向语言模型, 而ELMo和BERT都采用双向语言模型.
   • ELMo虽然被认为采用了双向语言模型, 但实际上是左右两个单向语言模型分别提取特征, 然后进行特征拼接, 这种融合特征的能力比BERT一体化的融合特征方式弱.
   • 三者之中, 只有ELMo没有采用Transformer. GPT和BERT都源于Transformer架构, GPT的单向语言模型采用了经过修改后的Decoder模块, Decoder采用了look-ahead mask, 只能看到context before上文信息, 未来的信息都被mask掉了. 而BERT的双向语言模型采用了Encoder模块, Encoder只采用了padding mask, 可以同时看到context before上文信息, 以及context after下文信息.
     
     

BERT, GPT, ELMo各自的优点和缺点

1. ELMo:
   • 优点:
     从早期的Word2Vec预训练模型的最大缺点出发, 进行改进, 这一缺点就是无法解决多义词的问题.
     ELMo根据上下文动态调整word embedding, 可以解决多义词的问题.
   • 缺点:
     ELMo使用LSTM提取特征的能力弱于Transformer.
     ELMo使用向量拼接的方式融合上下文特征的能力弱于Transformer.
2. GPT:
   • 优点:
     GPT使用了Transformer提取特征, 使得模型能力大幅提升.
   • 缺点:
     GPT只使用了单向Decoder, 无法融合未来的信息.
3. BERT:
   • 优点:
     BERT使用了双向Transformer提取特征, 使得模型能力大幅提升.
     添加了两个预训练任务, MLM + NSP的多任务方式进行模型预训练.
   • 缺点:
     模型过于庞大, 参数量太多, 需要的数据和算力要求过高, 训练好的模型应用场景要求高.
     更适合用于语言嵌入表达, 语言理解方面的任务, 不适合用于生成式的任务.