0
| 本文作者： 叢末 | 2019-01-01 11:38 |
雷鋒網(wǎng) AI 科技評(píng)論編者按：過去幾年，深度學(xué)習(xí)在自然語言處理中取得了很大的進(jìn)展，但進(jìn)展的幅度并不像其在計(jì)算機(jī)視覺中那么顯著。其中一個(gè)重要的原因是數(shù)據(jù)規(guī)模問題。多任務(wù)學(xué)習(xí)是將多個(gè)任務(wù)一起學(xué)習(xí)，充分挖掘多個(gè)任務(wù)之間的相關(guān)性，來提高每個(gè)任務(wù)的模型準(zhǔn)確率，從而可以減少每個(gè)任務(wù)對(duì)訓(xùn)練數(shù)據(jù)量的需求。
近日，在雷鋒網(wǎng) AI 研習(xí)社公開課上，復(fù)旦大學(xué)計(jì)算機(jī)系在讀碩士陳俊坤分享了其所在研究組關(guān)于多任務(wù)學(xué)習(xí)在自然語言處理領(lǐng)域的最新工作。公開課回放視頻網(wǎng)址：
分享嘉賓：
陳俊坤，復(fù)旦大學(xué)計(jì)算機(jī)系在讀碩士，導(dǎo)師是邱錫鵬副教授，主要研究方向?yàn)樽匀徽Z言處理，多任務(wù)學(xué)習(xí)等。其研究工作曾在 AAAI, IJCAI 上發(fā)表。
分享主題：自然語言處理中的多任務(wù)學(xué)習(xí) & 復(fù)旦大學(xué) NLP 實(shí)驗(yàn)室介紹
分享提綱：
1、復(fù)旦大學(xué) NLP 實(shí)驗(yàn)室介紹
2、基于深度學(xué)習(xí)的自然語言處理
3、深度學(xué)習(xí)在自然語言處理中的困境
4、自然語言中的多任務(wù)學(xué)習(xí)
5、多任務(wù)基準(zhǔn)平臺(tái)
雷鋒網(wǎng) AI 研習(xí)社將其分享內(nèi)容整理如下：
本次的分享主要有兩個(gè)目的：一是介紹一下復(fù)旦大學(xué) NLP 實(shí)驗(yàn)室的相關(guān)工作；二是讓愿意攻讀研究生的同學(xué)對(duì)國(guó)內(nèi)實(shí)驗(yàn)室有更多的了解，從而在選擇攻讀研究生上更有目標(biāo)性。
分享之前，先進(jìn)行一下自我介紹，我目前在復(fù)旦大學(xué) NLP 實(shí)驗(yàn)室攻讀研三，師從邱錫鵬副教授，現(xiàn)在也是字節(jié)跳動(dòng) AI Lab 的實(shí)習(xí)生，研究方向主要是自然語言處理、多任務(wù)學(xué)習(xí)和遷移學(xué)習(xí)。今天的分享，我會(huì)重點(diǎn)講一下多任務(wù)學(xué)習(xí)。
另外介紹一下復(fù)旦大學(xué) NLP 實(shí)驗(yàn)室，它致力于利用機(jī)器技術(shù)，理解和處理人類語言，擁有國(guó)內(nèi)領(lǐng)先的團(tuán)隊(duì)，實(shí)驗(yàn)室的老師都有非常豐富的經(jīng)驗(yàn)。我所在的研究組主要聚焦于深度學(xué)習(xí)和自然語言處理領(lǐng)域，包括語言表示學(xué)習(xí)、詞法/句法分析、文本推理、問答系統(tǒng)等方面，指導(dǎo)老師是邱錫鵬副教授，近幾年來，我們發(fā)表國(guó)際頂級(jí)會(huì)議/期刊 50 余篇，還獲得了 ACL 2017 杰出論文；在 SQUAD 2.0 上獲得第二的成績(jī)，并在 SQUAD 1.1 上多次獲得第一；另外我們也開發(fā)開源自然語言處理系統(tǒng)，希望能幫助大眾解決更多問題，其中包括 FudanNLP（國(guó)內(nèi)最早的開源 NLP 系統(tǒng)之一）、fastNLP（一個(gè)模塊化、自動(dòng)化、可擴(kuò)展的 NLP 系統(tǒng)）。
本次自然語言處理的報(bào)告綱要包括：
自然語言處理簡(jiǎn)介
基于深度學(xué)習(xí)的自然語言處理
深度學(xué)習(xí)在自然語言處理中的困境
自然語言處理中的多任務(wù)學(xué)習(xí)
新的多任務(wù)基準(zhǔn)平臺(tái)
首先簡(jiǎn)單介紹一下自然語言語言處理這個(gè)概念。
我們知道圖靈測(cè)試是指，當(dāng)一個(gè)人與機(jī)器對(duì)話時(shí)，他無法判斷對(duì)方是機(jī)器還是人，那機(jī)器就通過了圖靈測(cè)試。這就引出了自然語言處理的核心：讓機(jī)器去理解和生成自然語言。
那什么是自然語言處理？我們可以大致將其理解為人類語言，區(qū)別于程序語言等人工語言。自然語言處理任務(wù)包括語音識(shí)別、自然語言理解、自然語言生成、人機(jī)交互以及所涉及的中間階段，目前可以歸為是人工智能和計(jì)算機(jī)科學(xué)的交叉子學(xué)科。
從技術(shù)上進(jìn)行總結(jié)，可以分為三個(gè)層面：基礎(chǔ)技術(shù)、核心技術(shù)和應(yīng)用：
自然語言處理的難點(diǎn)在于歧義性，以下我以中文分詞為例進(jìn)行說明：
（關(guān)于自然語言處理的難點(diǎn)的具體講解，請(qǐng)回看視頻 00：05：35 處）
自然語言處理的發(fā)展歷程可以這樣總結(jié)： 在 1990 年以前，多基于規(guī)則的方法進(jìn)行自然語言處理；90 年代以后，逐漸引入一些統(tǒng)計(jì)學(xué)習(xí)的方法；目前，自 2012 年開始，隨著的深度學(xué)習(xí)的熱潮，開始基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)端到端的訓(xùn)練進(jìn)行自然語言處理。總之，自然語言處理就是一個(gè)理解語言（文本到機(jī)器）、生成（機(jī)器到文本）再到交互的過程。
那對(duì)于人來說，理想中的自然語言處理流程是怎樣的呢？
（關(guān)于理想中的自然語言處理流程的具體講解，請(qǐng)回看視頻 00：08：10 處）
下面講一下基于深度學(xué)習(xí)的自然語言處理是怎樣的。首先講一下如何在計(jì)算機(jī)中表示語言的語義？
計(jì)算機(jī)中語言語義的表示之前是采用一些知識(shí)庫的規(guī)則；到了深度學(xué)習(xí)中，則采用分布式的表示方法。下面可以看一個(gè)圖像的案例：
（關(guān)于語言語義表示及其案例的具體講解，請(qǐng)回看視頻 00：09：00 處）
這里就要引出在自然語言處理中非常重要的概念——詞嵌入（Word Embeddings），這個(gè)概念從 2013 年開始逐漸火熱起來。
（關(guān)于詞嵌入的具體講解，請(qǐng)回看視頻 00：10：40 處）
詞表示之后，就要考慮句子表示，不過句子表示的難度遠(yuǎn)大于詞表示，這里主要講一下在神經(jīng)網(wǎng)絡(luò)中怎樣表示句子。
（關(guān)于神經(jīng)網(wǎng)絡(luò)中的句子表示的具體講解，請(qǐng)回看視頻 00：12：42）
在得到字、句子表示之后，如果要對(duì)自然語言處理任務(wù)的類型進(jìn)行總結(jié)，可以劃分為以下幾個(gè)類別：
第一，類型（對(duì)象）到序列，包括文本生成、圖像描述生成任務(wù)；
第二，序列到類別，包括文本分類、情感分析任務(wù)；
第三，同步的序列到序列，包括中文分析、詞性標(biāo)注、語義角色標(biāo)注任務(wù)；
第四，異步的序列到序列，包括機(jī)器翻譯、自動(dòng)摘要、對(duì)話系統(tǒng)任務(wù)。
針對(duì)這些困境，目前有兩套相對(duì)有效的解決思路：
一是無監(jiān)督預(yù)訓(xùn)練；
二是多任務(wù)學(xué)習(xí)。
那么為什么多任務(wù)學(xué)習(xí)在自然語言處理中的表現(xiàn)這么好？原因包括：
隱式的數(shù)據(jù)增強(qiáng)；
更自然的表示學(xué)習(xí)；
更好地表示學(xué)習(xí)，一個(gè)好的表示需要能夠提高多個(gè)任務(wù)的性能；
正則化：共享參數(shù)在一定程度上弱化了網(wǎng)絡(luò)能力，可以防止過擬合；
Eavesdropping（竊聽）。
（對(duì)于深度學(xué)習(xí)在自然語言處理中所存在困境及其原因和解決方法——無監(jiān)督學(xué)習(xí)和多任務(wù)學(xué)習(xí)的具體講解，請(qǐng)回看視頻 00：13：51 處）
下面講一下自然語言下的多任務(wù)學(xué)習(xí)。理想狀態(tài)下，自然語言處理是按照輸入到詞法分析到句法分析再到多任務(wù)的過程，而多任務(wù)的自然語言處理，可以使用一個(gè)共享模塊，同時(shí)進(jìn)行詞法分析、句法分析以及任務(wù)這幾項(xiàng)任務(wù)。
自然語言中的多任務(wù)學(xué)習(xí)可以歸納為以下幾個(gè)種類：
第一個(gè)是跨領(lǐng)域（Multi-Doman）任務(wù)
第二個(gè)是多級(jí)（Multi-Level）任務(wù)
第三個(gè)是多語言（Multi-Linguistic）任務(wù)
第四個(gè)是多模態(tài)（Multi-Modality）任務(wù)
深度學(xué)習(xí)下的多任務(wù)學(xué)習(xí)，一般是共享一些多層次的神經(jīng)網(wǎng)絡(luò)，可以總結(jié)為以下三種方式：
第一，硬共享模式
第二，軟共享模式
第三，共享-私有模式
（關(guān)于自然語言處理中的多任務(wù)學(xué)習(xí)種類以及深度學(xué)習(xí)下的多任務(wù)學(xué)習(xí)方式的具體講解，請(qǐng)回看視頻 00：23：15 處）
共享模式主要可以分為以下類別：
接下來我將以實(shí)驗(yàn)室的論文為主，外加一些相關(guān)論文，介紹一下這些共享模式：
硬共享模式
軟共享模式
共享-私有模式
函數(shù)共享模式
多級(jí)共享模式
主輔任務(wù)模式
接著講一下共享模式探索：
（關(guān)于對(duì)這幾類共享模式的案例介紹以及共享模式探索的具體講解，請(qǐng)回看視頻 00：26：35 處）
接下來介紹一下多任務(wù)學(xué)習(xí)的兩個(gè)比較主流的 benchmark。
先講一下從去年開始比較火的閱讀理解，即機(jī)器閱讀一篇或多篇文檔，并回答一些相關(guān)問題。它對(duì)于自然語言處理來說，是比較難的任務(wù)類型，這就引出了兩個(gè) benchmark。
第一個(gè)是 decanlp，它將很多 Q1 任務(wù)合并在一起作為多任務(wù)學(xué)習(xí)的聯(lián)合訓(xùn)練集，每個(gè)任務(wù)有不同評(píng)價(jià)指標(biāo)，每個(gè)任務(wù)的類型差異也很大，有的是翻譯，有的是摘要。
第二個(gè)是最近被大家刷爆的數(shù)據(jù)集 GLUE，它是 NYU 做的，跟 decanlp 理念差不多，也是跟 Q&A、情感分類類似的數(shù)據(jù)集。
這兩個(gè)數(shù)據(jù)集還有很多發(fā)展的空間，但是我個(gè)人感覺最近大家刷榜的方式有點(diǎn)走偏了。
（關(guān)于這兩個(gè) benchmark 的具體講解以及講者的一些思考分享，請(qǐng)回看視頻 00：46：50 處）
以上就是本期嘉賓的全部分享內(nèi)容。更多公開課視頻請(qǐng)到雷鋒網(wǎng) AI 研習(xí)社社區(qū)（http://ai.yanxishe.com/）觀看。關(guān)注微信公眾號(hào)：AI 研習(xí)社（okweiwu），可獲取最新公開課直播時(shí)間預(yù)告。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
