|
最近要开始使用Transformer去做一些事情了，特地把与此相关的知识点记录下来，构建相关的、完整的知识结构体系， 动机Bert在预训练语言模型上被广泛应用，但是现在主要的研究都集中在英文上，在跨语言的场景下，Bert的训练能不能带来提升呢？答案几乎是肯定的，就看怎么做了。 论文[1]提出了两种方法来训练跨语言的语言模型：
共享sub-word词表不管是有监督还是无监督的方法，都需要让多语言共享一个词表，如果是词语直接混合的话，那么随着语言数目的增多，词表的增长会很大。不过好在Bert模型的词表本身就是sub-word的，通过Byte Pair Encoding(BPE)方法进行学习可以得到一个较为合适且合理的词表。 BPE需要迭代多次获得最后的词表结果。所以会有两个缺点：
因此，采用了一种采样的方式来生成一个子数据集，然后在这个子数据集上去运行BPE算法。采样的概率公式如下，p是每种语言在总语料中的概率，q则是采样概率，从公式中可以看出，q是p经过指数归一化之后的结果，一般情况下，会将alpha设为0.5。 alpha越低，越倾向于出现频次较低的语言。 训练语言模型的目标论文中使用的训练语言模型的目标有三种:
MLM和TLM的输入输出如下图： 在训练的时候，依然会使用类似于学习词表时的采样方法，只不过alpha设为0.7。 模型预训练首先，模型在一个预先处理好的Wiki数据上进行了预训练，使用的设置包括：
实验效果XNLI分类实验在XNLI数据集上进行了实验，XNLI是十五个语言的文本分类数据集。预训练好的模型在XNLI的英文语料上进行fine-tune，然后在15个语言上进行评测。为了和之前的论文可以比较，还做了两个baseline：
可以看到，MLM + TLM的方式会比MLM要好很多，另外，在翻译后的语言上进行微调还可以达到更好的效果。 无监督机器翻译用预训练好的模型来初始化翻译模型，可以达到更好的效果。EMB是只用预训练好的embedding来初始化翻译模型的embedding。另外，翻译模型的Encoder-Decoder都可以使用XLM来初始化，这样就有了九种组合设计，即Encoder和Decoder可以分别使用随机初始化，CLM预训练、MLM预训练三种方式初始化。 有监督机器翻译类似于无监督的实验，Encoder和Decoder都使用MLM预训练的模型来做初始化。 Low-Resource语言模型XLM还有助于语料较少的语言上的语言模型构建，如下图所示，用Nepali + English + Hindi的语料训练得到的语言模型比Nepali自己得到的要好很多。 总结与思考从上面的实验可知，XLM可以在三个方面带来提升：
另外，从实验上看，对于机器翻译问题，模型的初始化是非常重要的一个方面。 参考
|
|
|
