Google深度学习笔记 文本与序列的深度模型
来源:程序员人生 发布时间:2016-07-14 08:34:27 阅读次数:2727次
Deep Models for Text and Sequence
转载请注明作者:梦里风林
Github工程地址:https://github.com/ahangchen/GDLnotes
欢迎star,有问题可以到Issue区讨论
官方教程地址
视频/字幕下载
Rare Event
与其他机器学习不同,在文本分析里,陌生的东西(rare event)常常是最重要的,而最多见的东西常常是最不重要的。
语法多义性
- 1个东西可能有多个名字,对这类related文本能够做参数同享是最好的
- 需要辨认单词,还要辨认其关系,就需要过量label数据
无监督学习
- 不用label进行训练,训练文本是非常多的,关键是要找到训练的内容
- 遵守这样1个思想:类似的辞汇出现在类似的场景中
- 不需要知道1个词真实的含义,词的含义由它所处的历史环境决定
Embeddings
- 将单词映照到1个向量(Word2Vec),越类似的单词的向量会越接近
- 新的词可以由语境得到同享参数
Word2Vec
- 将每一个词映照到1个Vector列表(就是1个Embeddings)里,1开始随机,用这个Embedding进行预测
- Context即Vector列表里的邻居
- 目标是让Window里相近的词放在相邻的位置,即预测1个词的邻居
- 用来预测这些相邻位置单词的模型只是1个Logistics Regression, just a simple Linear model
Comparing embeddings
- 比较两个vector之间的夹角大小来判断接近程度,用cos值而非L2计算,由于vector的长度和分类是不相干的:
Predict Words
- 单词经过embedding变成1个vector
- 然后输入1个WX+b,做1个线性模型
- 输出的label几率为输入文本中的辞汇
- 问题在于WX+b输出时,label太多了,计算这类softmax很低效
- 解决方法是,筛掉不多是目标的label,只计算某个label在某个局部的几率,sample softmax
t-SNE
- 查看某个词在embedding里的最近邻居可以看到单词间的语义接近关系
- 将vector构成的空间降维,可以更高效地查找最近单词,但降维进程中要保持邻居关系(原来接近的降维后还要接近)
- t-SNE就是这样1种有效的方法
类比
- 实际上我们能得到的不但是单词的邻接关系,由于将单词向量化,可以对单词进行计算
- 可以通过计算进行语义加减,语法加减
Sequence
文本(Text)是单词(word)的序列,1个关键特点是长度可变,就不能直接变成vector
CNN and RNN
CNN 在空间上同享参数,RNN在时间上(顺序上)同享参数
- 在每轮训练中,需要判断至今为之产生了甚么,过去输入的所有数据都对当下的分类造成影响
- 1种思路是记忆之前的分类器的状态,在这个基础上训练新的分类器,从而结合历史影响
- 这样需要大量历史分类器
- 重用分类器,只用1个分类器总结状态,其他分类器接受对应时间的训练,然后传递状态
RNN Derivatives
- BackPropagation Through time
- 对同1个weight参数,会有许多求导操作同时更新之
- 对SGD不友好,由于SGD是用许多不相干的求导更新参数,以保证训练的稳定性
- 由于梯度之间的相干性,致使梯度爆炸或梯度消失
Clip Gradient
计算到梯度爆炸的时候,使用1个比值来代替△W(梯度是回流计算的,横坐标从右往左看)
- Hack but cheap and effective
LSTM(Long Short-Term Memory)
梯度消失会致使分类器只对最近的消息的变化有反应,淡化之前训练的参数,也不能用比值的方法来解决
- 1个RNN的model包括两个输入,1个是过去状态,1个是新的数据,两个输出,1个是预测,1个是将来状态
- 中间是1个简单的神经网络
- 将中间的部份换成LSTM-cell就可以解决梯度消失问题
- 我们的目的是提高RNN的记忆能力
- Memory Cell
3个门,决定是不是写/读/遗忘/写回
- 在每一个门上,不单纯做yes/no的判断,而是使用1个权重,决定对输入的接收程度
- 这个权重是1个连续的函数,可以求导,也就能够进行训练,这是LSTM的核心
- 这样的模型能让全部cell更好地记忆与遗忘
- 由于全部模型都是线性的,所以可以方便地求导和训练
LSTM Regularization
- L2, works
- Dropout on the input or output of data, works
Beam Search
有了上面的模型以后,我们可以根据上文来推测下文,乃至创造下文,预测,挑选最大几率的词,喂回,继续预测……
- 我们可以每次只预测1个字母,but this is greedy,每次都挑最好的那个
- 也能够每次多预测几步,然后挑整体几率较高的那个,以减少偶然因素的影响
- 但这样需要生成的sequence会指数增长
- 因此我们在多预测几步的时候,只为几率比较高的几个候选项做预测,that’s beam search.
翻译与识图
循环神经网络实践
觉得我的文章对您有帮助的话,给个star可好?
生活不易,码农辛苦
如果您觉得本网站对您的学习有所帮助,可以手机扫描二维码进行捐赠