自然语言处理的进阶之路

news2024/11/24 0:48:06

1、隐马尔可夫链路一般较短原因

$p(w_{1:t})=\prod_{i=1}^{t-1}p(w_{i}|w_{1:i-1})$

连乘链路太长，会导致数据稀疏，零频词太多

2、零频问题的一般解决方案

平滑/回退/差值

当n设置较小时，仍然会存在oov问题（语料中未出现的词）

2.1、平滑

2.1.1、加1平滑/拉普拉斯平滑

$p(w_{t}|w_{t-1})=c(w_{t}|w_{t-1})/c(w_{t})$

$p(w_{t}|w_{t-1})=(c(w_{t}|w_{t-1})+1)/(c(w_{t})+|V|)$

当很多词出现次数较少时，加1会带来较大的偏差，加1平滑效果一般不佳

2.1.2、delta平滑/加k平滑

$p(w_{t}|w_{t-1})=(c(w_{t},w_{t-1})+\delta) /(c(w_{t},w_{t-1})+\delta|V|)$

2.1.3、good Turing 平滑

$r=(r+1)\frac{E({n_{r+1}})}{E({n_{r}})}$

${n_{r}}$ 为出现频次为r次词的个数

$w_{t}$ 出现的概率

$p(w_{t})=r/N$

2.2、回退

当连续词出现零频时，平滑是避免出现零频，还可以选择绕过；例如当3-gram的频率为0，则回退到2-gram，依次类推。

2.3、插值法

n-gram回退到n-1 gram，还是以3-gram为例，可以考虑以一定的权重将1-gram，2-gram，3-gram线性组合。

$p(w_{t}|w_{t-1},w_{t-2})={\lambda _{1}}p(w_{t}|w_{t-1},w_{t-2})+{\lambda _{2}}p(w_{t}|w_{t-1})+{\lambda _{3}}p(w_{t})$

3、mlp进阶至cnn

mlp进阶至cnn，全链接网络上一层的每个值都会作用于下一层的每个值，但是并非所有的值更新都需要上一层的所有元素参与，这样会引入一些无效计算。同时，在特定的场景，我们需要focus某些输入，因而引入cnn。

4、注意力机制诞生动机

seq2seq上下文词向量C，输入序列经过encoder生成上下文词向量C（一般为最后隐层向量），decoder的每个节点的输入依赖于相同的输入c。注意机制的引入使得不同时刻t关注不同的信息，使得对局部信息进行重点关注。

encoder-decoder注意力机制，保存encoder阶段的每一时刻的隐层向量，并和decoder层当前节点做点积、然后softmax后作为权重，线性加权encoder阶段所有隐层向量得到。

5、自注意力机制

为了得到关于某方面信息 Q，可以通过关注某些信息 K，进而得到某些信息（V）作为结果。文本内容本身存在一定的关联关系Q-K-V

$Attention(Q, K,V)=softmax(\frac{Q, K^{T}}{\sqrt{d_{k}}}))V$

多头注意力扩展了模型关注不同位置的能力。

6、退化现象、残差网络

退化现象是指随着网络层数的增加，表现效果反而下降了

因而考虑直接在x上进行建模，而直接让一些叠加层去拟合一个潜在的恒等映射函数H(x) = x会比较困难，所以采用一些非线性层，让它们去拟合另一种残差映射F (x) := H(x)-x，而原来的映射则变成H(x) = F(x) + x

7、transformer三角函数位置编码

7.1、三角函数位置编码

$p_{pos,2i}=sin(\frac{pos}{10000^{\frac{2i}{d_{model}}}})$

$p_{pos,2i+1}=cos(\frac{pos}{10000^{\frac{2i}{d_{model}}}})$

transformer的位置编码方式为绝对位置编码；绝对位置编码是指直接对位置进行编码，使其可以融入到embdding的输入中。相对位置编码是指在attention阶段可以直接识别相应的位置。

7.2、习得式位置编码

习得式位置编码也属于绝对位置编码，位置编码作为训练参数，在训练过程中产生，例如bert，当序列超过限定长度时，无法编码。

华为的 NEZHA 模型便是一个换成了相对位置编码的 BERT 模型。相对位置编码一般会对位置差做个截断，使得要处理的相对位置都在一个有限的范围内，因此相对位置编码可以不受限于序列长度。

7.3、层次位置编码

$p_{1},p_{2},...,p_{i},...p_{n}$ 表示 $p_{1},p_{2},...,p_{i},...p_{m}$ m>n , $\alpha$ 不能为0.5，避免(i,j)与(j,i)表示一样

$q_{i*n+j}=\alpha \mu _{i}+(1-\alpha )\mu _{j}$

$\mu _{i}=\frac{p_{i}-\alpha p_{1}}{1-\alpha }$

7.4、transformer结构

编码器encoder

第一层是多头注意力层（Multi-Head Attention Layer）。
第二层是经过一个前馈神经网络（Feed Forward Neural Network，简称 FFNN）。
这两层，每一层都有「Add & Normalization」和 ResNet。

解码器decoder

解码器有两个多头注意力层。第一个多头注意力层是 Masked Multi-Head Attention 层，即在自注意力计算的过程中只有前面位置上的内容。第二个多头注意力层没有被 Masked，是个正常多头注意力层。
可以看出来，第一个注意力层是一个自注意力层（Self Attention Layer），第二个是 Encoder-Decoder Attention 层（它的 K、V 来自 Encoder，Q 来自自注意力层），有些文章里会用这个角度来指代。
FNN、Add & Norm、ResNet 都与 Encoder 类似

7.5、transformer整个过程

1、词embdding、位置embdding pe

2、encoder、多头注意力机制、全链接FFNN,每层都有add&norm、resnet；每个encoder的输入来自前一个encoder的输出，第一层encoder的输入来自词embdding和位置embedding

3、进入decoder，经过第一个多头注意力层 Masked Multi-Head Attention 层，即在自注意力计算的过程中只有前面位置上的内容。第二个多头注意力层买有被 Masked，是个正常多头注意力层。第一个注意力层是一个自注意力层（Self Attention Layer），第二个是 Encoder-Decoder Attention 层（它的 K、V 来自 Encoder，Q 来自自注意力层），有些文章里会用这个角度来指代。每层都有FNN、Add & Norm、ResNet

4、线性变换、softmax归一化，输出

人工智能 LLM 革命前夜：一文读懂横扫自然语言处理的 Transformer 模型

【简单理解】自然语言处理-平滑方法(Smoothing)_雾行的博客-CSDN博客_jelenik-mercer smoothing

层次分解位置编码，让BERT可以处理超长文本

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/189157.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！