感謝清華大學自然語言處理實驗室對預訓練語言模型架構(gòu)的梳理，我們將沿此脈絡(luò)前行，探索預訓練語言模型的前沿技術(shù)，紅框中為已介紹的文章，綠框中為本期介紹的模型，歡迎大家留言討論交流。

在之前的一期推送中，我們給大家介紹過百度的ERNIE。其實清華大學NLP實驗室，比百度更早一點，也發(fā)表了名為ERNIE的模型，即Enhanced Language Representation with Informative Entities。

他們認為現(xiàn)存的預訓練語言模型很少會考慮與知識圖譜（Knowledge Graph： KG）相結(jié)合，但其實知識圖譜可以提供非常豐富的結(jié)構(gòu)化知識和常識以供更好的語言理解。他們覺得這其實是很有意義的，可以通過外部的知識來強化語言模型的表示能力。在這篇文章中，他們使用大規(guī)模語料的語言模型預訓練與知識圖譜相結(jié)合，更好地利用語義，句法，知識等各方面的信息，推出了Enhanced language representation model（ERNIE），在許多知識驅(qū)動的任務(wù)上獲得了巨大提升，而且更適用于廣泛通用的NLP任務(wù)。

作者提出，要將知識嵌入到自然語言模型表達中去，有兩個關(guān)鍵的挑戰(zhàn)：

知識的結(jié)構(gòu)化編碼

對于一個給定的文本，如何從知識圖譜中，高效地將和文本相關(guān)的常識或知識抽取出來并編碼是一個重要問題。

異構(gòu)信息融合

語言模型表示的形式和知識圖譜的表達形式是大不相同的，是兩個獨立的向量空間。怎么樣去設(shè)計一個獨特的訓練任務(wù)來將，語義，句法，知識等信息融合起來是另一個挑戰(zhàn)。

針對這些挑戰(zhàn)， 清華NLP實驗室提出方案是 Enhanced Language RepresentatioN with Informative Entities （ERNIE）

首先，通過識別文本中的命名實體，然后將其鏈指到知識圖譜中的相應(yīng)實體上，進行知識的抽取和編碼。相比于直接使用知識圖譜中基于圖結(jié)構(gòu)的信息，作者通過TranE這樣的知識嵌入算法，對知識圖譜的圖結(jié)構(gòu)實體進行編碼，然后將這富有信息的實體表示作為ERNIE的輸入，這樣就可以把知識模塊中的實體的信息表示，引入到模型下層的語義表示中去。

其次，和BERT類似，采用了MLM和NSP的預訓練目標。除此以外，為了更好地融合文本信息和知識信息，設(shè)計了一個新的預訓練目標，通過隨機地mask一些命名實體，同時要求模型去知識圖譜中尋找合適的實體，來填充被mask掉的部分。這個訓練目標這樣做就可以要求語言模型，同時利用文本信息和知識圖譜來對token-entity進行預測，從而成為一個富有知識的語言表達模型。

本文在兩個知識驅(qū)動的NLP任務(wù)entity typing 和 relation classification進行了實驗，ENRIE在這兩個任務(wù)上的效果大幅超越BERT，因為其充分利用了語義，句法和知識信息。在其他的NLP任務(wù)上，ENRIE的效果也很不錯。

定義

首先，定義我們的文本token序列為{w1， 。 . 。 ， wn}，n為token序列的長度。同時，輸入的token可以在KG中對應(yīng)entity。所對應(yīng)entity的序列為{e1， 。 . 。 ， em}， m是序列中entity的數(shù)量。因為不一定每一個token都對應(yīng)得到KG中的一個entity，所以在大多數(shù)情況下m不等于n。所有token的集合也就是字典為V，在KG中所有entity的列表為E。如果，某個在V中的token w ∈ V 在KG中有對應(yīng)的entity e ∈ E。那么這個對應(yīng)關(guān)系定義為f（w） = e

我們可以看下方的模型結(jié)構(gòu)圖，大概包括兩個模塊。

下層的文本編碼器（T-Encoder），負責捕捉基本的詞法和句法的信息，其與BERT的encoder實現(xiàn)是相同的，都是多層的Transformer，層數(shù)為N。

上方的知識編碼器（K-Encoder），負責將跟entity相關(guān)的知識信息融入到下方層傳來的文本編碼信息中，兩者可以在統(tǒng)一的特征空間中去表示。T-Encoder的輸出是{w1， 。 . 。 ， wn}，實體輸入通過TranE得到的知識嵌入為{e1， 。 . 。 ， em}。兩者通過K-Encoder計算出對應(yīng)的特征以實現(xiàn)特定任務(wù)。

K-Encoder的結(jié)構(gòu)和BERT略微不同，包含M個stacked aggregators。首先對token的輸出和entity的embedding通過兩個多頭自注意力進行self attention。

接著，通過以下的式子進行兩者的結(jié)合。Wt和We分別是token和Embedding的attention權(quán)重矩陣。

Pre-training for Injecting Knowledge

除了結(jié)構(gòu)的改變以外，文章提出了特殊的預訓練語言模型訓練目標。通過隨機地mask一些entity然后要求模型通過知識圖譜中實體來進行選擇預測，起名為denoising entity auto-encoder（dEA）。由于知識圖譜中entity的數(shù)量規(guī)模相對softmax層太大了，會首先在KG中進行篩選找到相關(guān)的entity。有時候token和entity可能沒有正確的對應(yīng)，就需要采取一些措施。

5%的情況下，會將token對應(yīng)的entity替換成一個隨機的entity，這是讓模型能夠在align錯的時候，能夠糾正過來。

15%的情況下，會將entity mask掉，糾正沒有把所有存在的entity抽取出來和entity進行對應(yīng)的問題。

其余的情況下，保持token-entity alignments 不變，來將entity的表示融合進token的表示，以獲得更好的語言理解能力。

Fine-tuning for Specific Tasks

對于大量普通的NLP任務(wù)來說，ERNIE可以采取和BERT相似的finetune策略，將［CLS］的輸出作為輸入文本序列的表示。對于一些知識驅(qū)動的任務(wù)，我們設(shè)計了特殊的finetune流程。

對于關(guān)系分類任務(wù)，任務(wù)要求模型根據(jù)上下文，對給定的entity對的關(guān)系進行分類。本文設(shè)計了特殊的方法，通過加入兩種mark token來高亮實體。［HD］ 表示head entity， ［TL］表示tail entity。

對于實體類別分類任務(wù)，finetune的方式是關(guān)系分類的簡化版，通過［ENT］標示出entity的位置，指引模型同時結(jié)合上下文和實體的信息來進行判斷。

模型細節(jié)

從頭開始訓ENRIE的代價太大了，所以模型用了BERT的參數(shù)初始化。利用英文WIKI作為語料，和WiKidata進行對應(yīng)，語料中包含大約4500M個subwords，和140M個entities，將句中小于三個實體的樣本丟棄。通過TranE算法在WiKidata上訓練entity的embedding。使用了部分WiKidata，其中包含5040986個實體和24267796個三元組。

模型尺度上來說，T-encoder的層數(shù)N為6，K-encoder層數(shù)M為6。隱藏層維度兩個網(wǎng)絡(luò)分別Hw = 768， He = 100。Attention的頭數(shù)分別 Aw = 12， Ae = 4?？倕?shù)量大約114M。

ERNIE僅在語料上訓練了一輪，最大文本長度由于速度原因設(shè)為256，batch-size為512。除了學習率為5e-5，其他參數(shù)和BERT幾乎一樣。

實驗效果

直接放圖吧，比當時的state-of-the-art ：BERT在很多任務(wù)上都提升了不少。

這里作者認識到，有了知識圖譜的介入，可以用更少的數(shù)據(jù)達到更好的效果。

結(jié)論

在文中提出了一種方法名為ERNIE，來將知識的信息融入到語言表達的模型中。具體地，提出了knowledgeable aggregator 和預訓練任務(wù)dEA來更好地結(jié)合文本和知識圖譜兩個異構(gòu)的信息源。實驗表明，ENRIE能更好地在有限的數(shù)據(jù)上進行訓練和泛化。

未來還有幾個重要的方向值得研究

將知識嵌入到基于特征的預訓練語言模型如ELMo。

引入更多不同的結(jié)構(gòu)化知識進入到語言表達模型中去，比如ConceptNet，這和WiKidata是完全不同的方式。

進行真實世界更廣泛的語料收集，可以進行更通用和有效的預訓練

編輯：jq