更新中

更新時間：2019-12-0617:43:27

實驗需要，在自己學習的過程中做如下筆記，歡迎指正，歡迎交流。

1. ERNIE簡述

ERNIE和BERT一樣，也是基于transformer來做，但最重要的不同點是：bert對word做mask，而ernie對命名實體和短語做mask，捕捉更好的語義信息。

先看一下ERNIE 2.0的架構圖：

Application中，可以看到ernie支持各類NLP任務，在model的部分，基于百度的大數據及先驗知識構建任務，進行基于多任務的預訓練。

Pre-Training 任務

ERNIE 2.0 模型，構建多個預訓練任務：

Word-aware Tasks: 詞匯 (lexical) 級別信息的學習
Structure-aware Tasks: 語法 (syntactic) 級別信息的學習
Semantic-aware Tasks: 語義 (semantic) 級別信息的學習

同時，針對不同的 pre-training 任務，ERNIE 2.0 引入了 Task Embedding 來精細化地建模不同類型的任務。不同的任務用從 0 到 N 的 ID 表示，每個 ID 代表了不同的預訓練任務。

1. Word-aware Tasks

Knowledge Masking Task

ERNIE 1.0中已經引入的 phrase & named entity 知識增強 masking 策略。相較于 sub-word masking, 該策略可以更好的捕捉輸入樣本局部和全局的語義信息。

Capitalization Prediction Task

針對英文首字母大寫詞匯（如 Apple）所包含的特殊語義信息，ernie在英文 Pre-training 訓練中構造了一個分類任務去學習該詞匯是否為大寫。

Token-Document Relation Prediction Task

針對一個 segment 中出現的詞匯，去預測該詞匯是否也在原文檔的其他 segments 中出現。

2. Structure-aware Tasks

Sentence Reordering Task

針對一個 paragraph （包含 M 個 segments），ernie隨機打亂 segments 的順序，通過一個分類任務去預測打亂的順序類別。

Sentence Distance Task

通過一個 3 分類任務，去判斷句對 (sentence pairs) 位置關系 (包含鄰近句子、文檔內非鄰近句子、非同文檔內句子 3 種類別)，更好的建模語義相關性。

2. Semantic-aware Tasks

Discourse Relation Task

通過判斷句對 (sentence pairs) 間的修辭關系 (semantic & rhetorical relation)，更好的學習句間語義。

IR Relevance Task

學習 IR 相關性弱監督信息，更好的建模句對相關性。

ERNIE 1.0:EnhancedRepresentation through kNowledgeIntEgration

ERNIE 1.0通過建模海量數據中的詞、實體及實體關系，學習真實世界的語義知識。相較于BERT學習原始語言信號，ERNIE直接對先驗語義知識單元進行建模，增強了模型語義表示能力。

舉個例子：

Learnt by BERT ：哈 [mask] 濱是 [mask] 龍江的省會，[mask] 際冰 [mask] 文化名城。

Learnt by ERNIE：[mask] [mask] [mask] 是黑龍江的省會，國際 [mask] [mask] 文化名城。

在BERT模型中，通過『哈』與『濱』的局部共現，即可判斷出『爾』字，模型沒有學習與『哈爾濱』相關的任何知識。而ERNIE通過學習詞與實體的表達，使模型能夠建模出『哈爾濱』與『黑龍江』的關系，學到『哈爾濱』是 『黑龍江』的省會以及『哈爾濱』是個冰雪城市。

訓練數據方面，除百科類、資訊類中文語料外，ERNIE還引入了論壇對話類數據，利用DLM（Dialogue Language Model）建模 Query-Response 對話結構，將對話 Pair 對作為輸入，引入 Dialogue Embedding 標識對話的角色，利用 Dialogue Response Loss 學習對話的隱式關系，進一步提升模型的語義表示能力。

對比 ERNIE 1.0 和 ERNIE 2.0

Pre-Training Tasks

任務	ERNIE 1.0 模型	ERNIE 2.0 英文模型	ERNIE 2.0 中文模型
Word-aware	✅Knowledge Masking	✅Knowledge Masking ✅Capitalization Prediction ✅Token-Document Relation Prediction	✅Knowledge Masking
Structure-aware		✅Sentence Reordering	✅Sentence Reordering ✅Sentence Distance
Semantic-aware	✅Next Sentence Prediction	✅Discourse Relation	✅Discourse Relation ✅IR Relevance

⬇️ 結果這里就不討論啦，自然是很厲害，我主要是想了解它的使用 ⬇️

————————————————————————————————————————————

2. ERNIE使用

更多請參考：ERNIE_GITHUB

數據格式

6 2508 5 1803 1827 98 164 133 2777 2696 983 121 4 19 9 634 551 844 85 14 2476 1895 33 13 983 121 23 7 1093 24 46 660 12043 2 1263 6 328 33 121 126 398 276 315 5 63 44 35 25 12043 2;0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1;0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55;-1 0 0 0 0 1 0 1 0 0 1 0 0 1 0 1 0 0 0 0 0 0 1 0 1 0 0 1 0 1 0 0 0 0 1 0 0 0 0 -1 0 0 0 1 0 0 1 0 1 0 0 1 0 1 0 -1;0

每個樣本由5個 ';' 分隔的字段組成；

數據格式:token_ids; sentence_type_ids; position_ids; seg_labels; next_sentence_label；

其中seg_labels表示分詞邊界信息: 0表示詞首、1表示非詞首、-1為占位符, 其對應的詞為CLS或者SEP；

總結

以上是生活随笔為你收集整理的ERNIE 2.0 理解与使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。