查看原文
其他

玩转Keras之Seq2Seq自动生成标题 | 附开源代码

苏剑林 PaperWeekly 2021-09-10


作者丨苏剑林

单位丨广州火焰信息科技有限公司

研究方向丨NLP,神经网络

个人主页丨kexue.fm



话说自称搞了这么久的 NLP,我都还没有真正跑过 NLP 与深度学习结合的经典之作——Seq2Seq。这两天兴致来了,决定学习并实践一番 Seq2Seq,当然最后少不了 Keras 实现了。


Seq2Seq 可以做的事情非常多,我这挑选的是比较简单的根据文章内容生成标题(中文),也可以理解为自动摘要的一种。选择这个任务主要是因为“文章-标题”这样的语料对比较好找,能快速实验一下。


Seq2Seq简介


所谓 Seq2Seq,就是指一般的序列到序列的转换任务,比如机器翻译、自动文摘等等,这种任务的特点是输入序列和输出序列是不对齐的,如果对齐的话,那么我们称之为序列标注,这就比 Seq2Seq 简单很多了。所以尽管序列标注任务也可以理解为序列到序列的转换,但我们在谈到 Seq2Seq 时,一般不包含序列标注。 


要自己实现 Seq2Seq,关键是搞懂 Seq2Seq 的原理和架构,一旦弄清楚了,其实不管哪个框架实现起来都不复杂。早期有一个第三方实现的 Keras 的 Seq2Seq 库 [1],现在作者也已经放弃更新了,也许就是觉得这么简单的事情没必要再建一个库了吧。可以参考的资料还有去年 Keras 官方博客中写的 A ten-minute introduction to sequence-to-sequence learning in Keras [2]。 


基本结构


假如原句子为 X=(a,b,c,d,e,f),目标输出为 Y=(P,Q,R,S,T),那么一个基本的 Seq2Seq 就如下图所示。


 基本的Seq2Seq架构


尽管整个图的线条比较多,可能有点眼花,但其实结构很简单。左边是对输入的 encoder,它负责把输入(可能是变长的)编码为一个固定大小的向量,这个可选择的模型就很多了,用 GRU、LSTM 等 RNN 结构或者 CNN+Pooling、Google 的纯 Attention 等都可以,这个固定大小的向量,理论上就包含了输入句子的全部信息。


而 decoder 负责将刚才我们编码出来的向量解码为我们期望的输出。与 encoder 不同,我们在图上强调 decoder 是“单向递归”的,因为解码过程是递归进行的,具体流程为:


1. 所有输出端,都以一个通用的<start>标记开头,以<end>标记结尾,这两个标记也视为一个词/字;


2. 将<start>输入 decoder,然后得到隐藏层向量,将这个向量与 encoder 的输出混合,然后送入一个分类器,分类器的结果应当输出 P;


3. 将 P 输入 decoder,得到新的隐藏层向量,再次与 encoder 的输出混合,送入分类器,分类器应输出 Q;


4. 依此递归,直到分类器的结果输出<end>。


这就是一个基本的 Seq2Seq 模型的解码过程,在解码的过程中,将每步的解码结果送入到下一步中去,直到输出<end>位置。


训练过程


事实上,上图也表明了一般的 Seq2Seq 的训练过程。由于训练的时候我们有标注数据对,因此我们能提前预知 decoder 每一步的输入和输出,因此整个结果实际上是“输入 X 和 Y,预测 Y[1:],即将目标 Y 错开一位来训练。 


而 decoder 同样可以用 GRU、LSTM 或 CNN 等结构,但注意再次强调这种“预知未来”的特性仅仅在训练中才有可能,在预测阶段是不存在的,因此 decoder 在执行每一步时,不能提前使用后面步的输入。


所以,如果用 RNN 结构,一般都只使用单向 RNN;如果使用 CNN 或者纯 Attention,那么需要把后面的部分给 mask 掉(对于卷积来说,就是在卷积核上乘上一个 0/1 矩阵,使得卷积只能读取当前位置及其“左边”的输入,对于 Attention 来说也类似,不过是对 query 的序列进行 mask 处理)。 


敏感的读者可能会察觉到,这种训练方案是“局部”的,事实上不够端到端。比如当我们预测 R 时是假设 Q 已知的,即 Q 在前一步被成功预测,但这是不能直接得到保证的。一般前面某一步的预测出错,那么可能导致连锁反应,后面各步的训练和预测都没有意义了。 


有学者考虑过这个问题,比如文章 Sequence-to-Sequence Learning as Beam-Search Optimization [3] 把整个解码搜索过程也加入到训练过程,而且还是纯粹梯度下降的(不用强化学习),是非常值得借鉴的一种做法。不过局部训练的计算成本比较低,一般情况下我们都只是使用局部训练来训练 Seq2Seq。


Beam Search 


前面已经多次提到了解码过程,但还不完整。事实上,对于 Seq2Seq 来说,我们是在建模:



显然在解码时,我们希望能找到最大概率的 Y,那要怎么做呢? 


如果在第一步 p(Y1|X) 时,直接选择最大概率的那个(我们期望是目标 P),然后代入第二步 p(Y2|X,Y1),再次选择最大概率的 Y2,依此类推,每一步都选择当前最大概率的输出,那么就称为贪心搜索,是一种最低成本的解码方案。但是要注意,这种方案得到的结果未必是最优的,假如第一步我们选择了概率不是最大的 Y1,代入第二步时也许会得到非常大的条件概率 p(Y2|X,Y1),从而两者的乘积会超过逐位取最大的算法。 


然而,如果真的要枚举所有路径取最优,那计算量是大到难以接受的(这不是一个马尔可夫过程,动态规划也用不了)。因此,Seq2Seq 使用了一种折中的方法:Beam Search。 


这种算法类似动态规划,但即使在能用动态规划的问题下,它还比动态规划要简单,它的思想是:在每步计算时,只保留当前最优的 topk 个候选结果。比如取 topk=3,那么第一步时,我们只保留使得 p(Y1|X) 最大的前 3 个 Y1,然后分别代入 p(Y2|X,Y1),然后各取前三个 Y2,这样一来我们就有个组合了,这时我们计算每一种组合的总概率,然后还是只保留前三个,依次递归,直到出现了第一个<end>。显然,它本质上还属于贪心搜索的范畴,只不过贪心的过程中保留了更多的可能性,普通的贪心搜索相当于 topk=1。


Seq2Seq提升


前面所示的 Seq2Seq 模型是标准的,但它把整个输入编码为一个固定大小的向量,然后用这个向量解码,这意味着这个向量理论上能包含原来输入的所有信息,会对 encoder 和 decoder 有更高的要求,尤其在机器翻译等信息不变的任务上。因为这种模型相当于让我们“看了一遍中文后就直接写出对应的英文翻译”那样,要求有强大的记忆能力和解码能力,事实上普通人完全不必这样,我们还会反复翻看对比原文,这就导致了下面的两个技巧。 


Attention


Attention 目前基本上已经是 Seq2Seq 模型的“标配”模块了,它的思想就是:每一步解码时,不仅仅要结合 encoder 编码出来的固定大小的向量(通读全文),还要往回查阅原来的每一个字词(精读局部),两者配合来决定当前步的输出。 


 带Attention的Seq2Seq


至于 Attention 的具体做法,笔者之前已经撰文介绍过了,请参考一文读懂「Attention is All You Need」| 附代码实现。Attention 一般分为乘性和加性两种,笔者介绍的是 Google 系统介绍的乘性的 Attention,加性的 Attention 读者可以自行查阅,只要抓住 query、key、value 三个要素,Attention 就都不难理解了。


先验知识


回到用 Seq2Seq 生成文章标题这个任务上,模型可以做些简化,并且可以引入一些先验知识。比如,由于输入语言和输出语言都是中文,因此 encoder 和 decoder 的 Embedding 层可以共享参数(也就是用同一套词向量)。这使得模型的参数量大幅度减少了。 


此外,还有一个很有用的先验知识:标题中的大部分字词都在文章中出现过(注:仅仅是出现过,并不一定是连续出现,更不能说标题包含在文章中,不然就成为一个普通的序列标注问题了)。这样一来,我们可以用文章中的词集作为一个先验分布,加到解码过程的分类模型中,使得模型在解码输出时更倾向选用文章中已有的字词。


具体来说,在每一步预测时,我们得到总向量 x(如前面所述,它应该是 decoder 当前的隐层向量、encoder 的编码向量、当前 decoder 与 encoder 的 Attention 编码三者的拼接),然后接入到全连接层,最终得到一个大小为 |V| 的向量 y=(y1,y2,…,y|V|),其中 |V| 是词表的词数。y 经过 softmax 后,得到原本的概率:



这就是原始的分类方案。引入先验分布的方案是,对于每篇文章,我们得到一个大小为 |V| 的 0/1 向量 χ=(χ1,χ2,…,χ|V|),其中 χi=1 意味着该词在文章中出现过,否则 χi=0。将这样的一个 0/1 向量经过一个缩放平移层得到:



其中 s,t 为训练参数,然后将这个向量与原来的 y 取平均后才做 softmax:



经实验,这个先验分布的引入,有助于加快收敛,生成更稳定的、质量更优的标题。


Keras参考


又到了快乐的开源时光~ 


基本实现


基于上面的描述,我收集了 80 多万篇新闻的语料,来试图训练一个自动标题的模型。简单起见,我选择了以字为基本单位,并且引入了 4 个额外标记,分别代表 mask、unk、start、end。而 encoder 我使用了双层双向 LSTM,decoder 使用了双层单向 LSTM。具体细节可以参考源码: 


https://github.com/bojone/seq2seq/blob/master/seq2seq.py


我以 6.4 万文章为一个 epoch,训练了 50 个 epoch 之后,基本就生成了看上去还行的标题:


文章内容:8 月 28 日,网络爆料称,华住集团旗下连锁酒店用户数据疑似发生泄露。从卖家发布的内容看,数据包含华住旗下汉庭、禧玥、桔子、宜必思等 10 余个品牌酒店的住客信息。泄露的信息包括华住官网注册资料、酒店入住登记的身份 信息及酒店开房记录,住客姓名、手机号、邮箱、身份证号、登录账号密码等。卖家对这个约 5 亿条数据打包出售。第三方安全平台威胁猎人对信息出售者提供的三万条数据进行验证,认为数据真实性非常高。当天下午,华住集团发 声明称,已在内部迅速开展核查,并第一时间报警。当晚,上海警方消息称,接到华住集团报案,警方已经介入调查。 


生成标题:《酒店用户数据疑似发生泄露》

 

文章内容:新浪体育讯 北京时间 10 月 16 日,NBA 中国赛广州站如约开打,火箭再次胜出,以 95-85 击败篮网。姚明渐入佳境,打了 18 分 39 秒,8 投 5 中,拿下 10 分 5 个篮板,他还盖帽 1 次。火箭以两战皆胜的战绩圆满结束中国行。 


生成标题:《直击:火箭两战皆胜火箭再胜 广州站姚明10分5板》


当然这只是两个比较好的例子,还有很多不好的例子,直接用到工程上肯定是不够的,还需要很多“黑科技”优化才行。


mask 


在 Seq2Seq 中,做好 mask 是非常重要的,所谓 mask,就是要遮掩掉不应该读取到的信息、或者是无用的信息,一般是用 0/1 向量来乘掉它。Keras 自带的 mask 机制十分不友好,有些层不支持 mask,而普通的 LSTM 开启了 mask 后速度几乎下降了一半。所以现在我都是直接以 0 作为 mask 的标记,然后自己写个 Lambda 层进行转化的,这样速度基本无损,而且支持嵌入到任意层,具体可以参考上面的代码。 


要注意我们以往一般是不区分 mask 和 unk(未登录词)的,但如果采用我这种方案,还是把未登录词区分一下比较好,因为未登录词尽管我们不清楚具体含义,它还是一个真正的词,至少有占位作用,而 mask 是我们希望完全抹掉的信息。 


解码端


代码中已经实现了 beam search 解码,读者可以自行测试不同的 topk 对解码结果的影响。 


这里要说的是,参考代码中对解码的实现是比较偷懒的,会使得解码速度大降。理论上来说,我们每次得到当前时刻的输出后,我们只需要传入到 LSTM 的下一步迭代中去,就可以得到下一时刻的输出,但这需要重写解码端的 LSTM(也就是要区分训练阶段和测试阶段,两者共享权重),相对复杂,而且对初学者并不友好。所以我使用了一个非常粗暴的方案:每一步预测都重跑一次整个模型,这样一来代码量最少,但是越到后面越慢,原来是 𝒪(n) 的计算量变成了


最后的话


又用 Keras 跑通了一个例子,不错不错,坚定不移高举 Keras 旗帜~


自动标题任务的语料比较好找,而且在 Seq2Seq 任务中属于难度比较低的一个,适合大家练手,想要入坑的朋友赶紧上吧。


参考文献


[1]. https://github.com/farizrahman4u/seq2seq

[2]. https://blog.keras.io/a-ten-minute-introduction-to-sequence-to-sequence-learning-in-keras.html

[3]. Sam Wiseman and Alexander M Rush. Sequence-to-sequence learning as beam-search optimization. In EMNLP, 2016.




点击以下标题查看作者其他文章: 





#投 稿 通 道#

 让你的论文被更多人看到 



如何才能让更多的优质内容以更短路径到达读者群体,缩短读者寻找优质内容的成本呢? 答案就是:你不认识的人。


总有一些你不认识的人,知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁,促使不同背景、不同方向的学者和学术灵感相互碰撞,迸发出更多的可能性。 


PaperWeekly 鼓励高校实验室或个人,在我们的平台上分享各类优质内容,可以是最新论文解读,也可以是学习心得技术干货。我们的目的只有一个,让知识真正流动起来。


📝 来稿标准:

• 稿件确系个人原创作品,来稿需注明作者个人信息(姓名+学校/工作单位+学历/职位+研究方向) 

• 如果文章并非首发,请在投稿时提醒并附上所有已发布链接 

• PaperWeekly 默认每篇文章都是首发,均会添加“原创”标志


📬 投稿邮箱:

• 投稿邮箱:hr@paperweekly.site 

• 所有文章配图,请单独在附件中发送 

• 请留下即时联系方式(微信或手机),以便我们在编辑发布时和作者沟通




🔍


现在,在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧



关于PaperWeekly


PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。


▽ 点击 | 阅读原文 | 查看作者博客

: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存