你和语言模型，谁的填空能力更强？-白红宇

你和语言模型，谁的填空能力更强？

阅读量：2242 次

发布时间：2019-05-09

本文共 6255 字，大约阅读时间需要 20 分钟。

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

讲者提出了填空语言模型（Blank Language Model, BLM），该模型通过动态创建和填充空白来生成序列。空白用于控制要扩展序列的那一部分，使BLM成为各种文本编辑任务的理想选择。该模型可以从单个空白或在指定位置带有空白的部分完成文本开始，迭代地确定要在空白中放入哪个单词以及是否插入新的空白，并在没有新的空白填充时停止生成。使用边缘似然的下界可以有效地训练BLM。在填充缺失文本的任务上，BLM在准确性和流利性方面均明显优于所有其他方法。在情感迁移和修复古文字的实验中，证明该框架具有广泛的应用潜力。

沈添笑：麻省理工学院电气工程与计算机科学系博士生，导师是Regina Barzilay和Tommi Jaakkola教授。她的研究兴趣是自然语言处理和机器学习，尤其是文本生成。

一、动机：传统语言模型的局限性

传统的语言模型通常是从左到右对文本序列进行建模，其模式是，首先生成第一个词，然后以第一个词作为condition来生成第二个词，继而以第二个词为condition生成第三个词，如此迭代计算后一个词。

该方法的优势在于算法简单、有效。但大多情况下，并不需要从头开始生成文本，而是已有部分文本，想自动生成剩下的部分内容。比如，文本编辑，是基于已有的draft，修改文本中任意位置的内容；或是template filling，针对一些表格等具有固定格式的文件，比如医疗或者法律文件等进行填空；或是text restoration，比如一些文件可能在任意位置缺失相关内容，需要做的是复原损失部分。由于Left-to-Right Language Model仅仅考虑blanks左边的文本语境，不能很好地对这些应用进行建模。

图1 left-to-right language model 的原理及应用

因此，讲者提出了Blank Language Model（BLM），其输入形式为任意文本，blanks可存在于文本的任意位置；每一个blank可以对应任意多个单词；且BLM模型会结合上下文语境决定需要填充几个单词。BLM与Mask Language Model的区别在于，Mask Language Model的一个mask只能对应一个单词，因此如果预先不知道blank中间丢失多少个单词，就不能使用Mask Language Model来实现。

图2 Blank Language Model算法的优势

二、实现：什么是BLM?

1）BLM工作原理介绍

BLM具体是如何实现填空的呢？首先存在一个画布，有单词和blank，其中blank用来控制单词能被放置的位置；然后BLM模型在这个画布上动态进行修改，每一步都会选择一个待填充的blank。

由于每个blank可以对应任意数量的词，因此当填充这个word w之后，还要决定是不是只填一个字，或者在w左边、右边、还是两边各补上blank。由此每个blank就可以继续迭代，且被扩展成任意多个词，当没有blank留下，模型达到终止条件。其实现步骤如图3所示。

图3 Blank Language Model的实现步骤

讲者举如下例子，进一步说明模型的实现步骤。原句是They also have ____ which ____.通过从canvas中一步步选择合适的word和blank，直至句子中没有新的blank生成为止，实现句子填空。

继而，讲者概括BLM的工作方式，类似于一个Grammar，如图4所示。其与传统语法Context-Free Grammar的区别在于：讲者所提出的模型在Production rules上面的概率分布是取决于模型参数和当前的context。

图4 例子讲解及语法梗概

2）BLM框架介绍

首先采用transformer模块，将input通过这个transformer以得到一系列的representation，每个representation包含有其context信息；

然后将所有blank位置的representation通过Linear project和softmax得到blanks上的distribution，选择其中一个（假设是第二个）；

进一步将被选中的blank representation投影到整个vocabulary，由此可预测一个词，比方说预测really；

最后，将blank representation和被预测词的word embedding进行拼接，都输入给一个MLP进行如图所示的四种情况分类。假设是第四种情况，得到____ really ____，然后将其fill到第二个Blank中，并继续这个过程直至没有新的blank生成。

图5 BLM框架结构介绍

从一个初始的blank到一个没有blank的complete text这个过程称为trajectory，包括每一步的canvas和action；每一步的action包括了choose a blank，predict a word 以及create new blanks。

如果一个句子有n个单词，那么会有n！种不同的trajectory都可以生成它，每一种trajectory对应着不同的word insertion order。如图6所示的trajectory就对应着word insertion order “3 1 10 6 2 8 4 7 5 9” 。

因此，生成一个句子x的概率就是以所有trajectory/word insertion order生成它的概率之和，公式中的S_n为所有的n排列。而给定order，就可以确定每一步的canvas和action，概率可相应分解为每一步的概率的乘积。

图6 BLM下sentence的likelihood介绍

如何高效的训练BLM呢？讲者对上述的likelihood进行估计，对等式两边取log，并借助图7中蓝色不等式可得到最终评估的loss。但同时讲者介绍到该训练方式与left-to-right language model相比并不高效，原因在于：Left-to-Right Language Model在一个pass中是同时计算了n个词的Loss，而上述公式在一个pass中只计算了一个action loss。

基于此，讲者进一步介绍到c_t^x,o只与word insertion order o的前t个词有关，因此可在一个pass中，将前t个order相同且在t+1时不同的trajectory进行组合，共同计算loss。同时由于E_O_t+2:n不会影响第t步的action和canvas，则可改写最终的loss表达，实现在一个pass中计算期望n/2个action loss。

图7 BLM的train loss 推导

综上所述，BLM的training的规则如图8所示。讲者通过一个实例，详细介绍了模型的训练过程，给定sentence x，先sample t，再sample order o_1:t，由此可构建动态画布c_t^x,o，并按照图7的loss进行训练。

图8 BLM规则总结以及实例介绍

训练好BLM后，可采用greedy decoding或beam search来填充输入文本中的空白。需要注意的是，greedy decoding/beam search寻找的不是具有最大边缘似然p(x;θ)的sentence，而是具有最大联合似然p(x;o;θ)的sentence 和trajectory。

三、实验

讲者主要进行了4种不同的实验验证模型的有效性，分别为Text infilling，Ancient text restoration，Sentiment transfer以及Language modeling。下述针对不同的实验进行阐述。

1）Text infilling

选择Yahoo Answers（100k的文档，且最大长度的为200个单词）作为实验数据集；在该数据集上随机mask掉比例为r的tokens，将连续的masked tokens用blank代替，由此得到的数据集作为测试数据集。在评价指标方面，分别选择Accuracy和Fluency来评价模型的有效性。具体是指通过计算初始文档与模型filling后文档间的BLEU score表征Accuracy；采用经过预训练的Left-to-Right Language Model计算perplexity表征Fluency。

讲者分别选择以下模型作为在Baseline models:

a.BERT+LM

指采用BERT模型得到每一个blank的representation，并将其输入给Left-to-Right Language Model生成不同blanks对应的tokens。

b.Masked Language Model with oracle length (MLM)

由于模型需要知道每一个blank对应单词个数，因此给定oracle length数量的masked tokens来代替blanks；此外MLM模型同时预测masked tokens时是相互独立的，并没有考虑filling的部分之间的consistency，因此使用most-confident-first heuristic来autoregressively一个一个进行填写。

c.Insertion Transformer (Stern et al., 2019)

该模型支持动态单词插入，与BLM不同，该模型可在所有位置插入，因此强制模型只在指定位置进行插入，避免出现较高的失败率。

d.Seq2seq-full/fill (Donahue et al., 2020)

指直接输出infill之后的句子序列，或者直接输出代替blanks的tokens并用分隔符“|”划分。这两种方法具有较高的失败率。

a）

b）

图9 Text infilling 实验结果

实验结果如图9所示，其中图a)说明当mask ratio 越来越高时，所有模型的BLUE score都会降低，同时BLM表现出最高的BLUE score；图b)中BLM与InsT模型的perplexity要低于original data的perplexity，且当mask ratio 越来越高时，模型最终的output比原始data要更加typical，则perplexity会越来越低。

2）Ancient text restoration

选择Ancient Greek inscriptions(18M的字符/3M的单词)作为数据集，且假设需要被复原的字符数已知。同时选择Pythia模型（字符级的seq2seq模型）以及Pythia-word模型（同时使用字符和单词的representation）作为baselines。实验结果如下图所示。

图10 Ancient text restoration 实验结果

实验结果表明，human的错误率达到了55%以上，而模型的表现要好很多。在只有一个missed的slot并且mask ratio 只有1%的时候，BLM模型较差一些；而当有很多missed slot 且mask ratio较高时，Pythia-word模型的character 错误率增长很快，而BLM模型的character 错误率较稳定，没有显著的提高。

3）Sentiment Transfer

其做法通常为两步：首先，训练一个情感分类器，识别出sentence中的情感词并将其mask掉；然后，在positive和negative的文本上分别训练两个BLM，完成上述masked句子的特定情感填充。

图11 Sentiment Transfer 实验结果

选择Yelp评论集作为实验数据集，选择MLM作为对比模型，实验结果显示，两种模型的Accuracy相差不多，而BLM的BLEU score较MLM要高很多。

4）Language Modeling

在计算marginal likelihood时需要求和，但无法准确计算求和结果，因此采用Monte-Carlo进行估计。选择Penn Treebank（1M的tokens），WikiText-2（2M），WikiText-103（103M）作为实验数据集，结果表明，BLM模型的perplexity与早期的LSTM相差不多，但与近期出现的transformer模型具有较大差距。

表1 不同数据集上的perplexity

四、结论与展望

讲者提出了BLM可以用来灵活地生成文本，其生成方式是动态创建以及填充blanks。实验表明BLM模型在Text infilling，Ancient text restoration和Sentiment transfer上具有很好的表现。

BLM也具有广阔的应用前景，比如Template filling，information fusion以及assisting human writing；同时BLM也可被扩展为conditional model，可以用来edit和refine机器翻译，或者在dialogue中根据给定内容生成一句话；最后可以探究BLM跟MLM/BERT在representation的学习上的差异性。

图12 结论与展望

参考文献：

Mitchell Stern, William Chan, Jamie Kiros, and Jakob Uszkoreit. 2019. Insertion transformer: Flexible sequence generation via insertion operations. arXiv preprint arXiv:1902.03249.

Chris Donahue, Mina Lee, and Percy Liang. 2020. Enabling language models to fill in the blanks. arXiv preprint arXiv:2005.05339.

论文地址：

https://arxiv.org/pdf/2002.03079.pdf

Github地址：

https://github.com/Varal7/blank_language_model

e m t

往期精彩

AI i

整理：刘美珍

审稿：沈添笑

排版：岳白雪

AI TIME欢迎AI领域学者投稿，期待大家剖析学科历史发展和前沿技术。针对热门话题，我们将邀请专家一起论道。同时，我们也长期招募优质的撰稿人，顶级的平台需要顶级的你！