最近研究了一下用基于BERT的encoder-decoder結構做文本生成任務，碰巧管老師昨天的文章也介紹了以生成任務見長的GPT模型，于是決定用兩篇文章大家介紹一下在文本生成任務中常用的解碼策略Beam Search（集束搜索）。

解碼及貪心搜索

生成式任務相比普通的分類、tagging等NLP任務會復雜不少。在生成的時候，模型的輸出是一個時間步一個時間步依次獲得的，而且前面時間步的結果還會影響后面時間步的結果。也就是說，每一個時間步，模型給出的都是基于歷史生成結果的條件概率。為了生成完整的句子，需要一個稱為解碼的額外動作來融合模型多個時間步的輸出，而且使得最終得到的序列的每一步條件概率連乘起來最大。

在文本生成任務中，每一個時間步可能的輸出種類稱為字典大小(vocabulary size，我們用 表示)，進行T步隨機的生成可能獲得的結果總共有 種。拿中文文本生成來說， 的值大約是5000-6000，即常用漢字的個數。在如此大的基數下，遍歷整個生成空間是不現實的。

最容易想到的策略是貪心搜索，即每一個時間步都取出一個條件概率最大的輸出，再將從開始到當前步的結果作為輸入去獲得下一個時間步的輸出，直到模型給出生成結束的標志。例如下圖，每一個時間步都取出了條件概率最大一個結果，生成了序列[A,B,C]。

貪心搜索示意圖

很明顯，這樣做將原來指數級別的求解空間直接壓縮到了與長度線性相關的大小。由于丟棄了絕大多數的可能解，這種關注當下的策略無法保證最終得到的序列概率是最優的。

Beam Search

而beam search是對貪心策略一個改進。思路也很簡單，就是稍微放寬一些考察的范圍。在每一個時間步，不再只保留當前分數最高的1個輸出，而是保留num_beams個。當num_beams=1時集束搜索就退化成了貪心搜索。

下圖是一個實際的例子，每個時間步有ABCDE共5種可能的輸出，即 ，圖中的num_beams=2，也就是說每個時間步都會保留到當前步為止條件概率最優的2個序列。

beam search示意圖

• 在第一個時間步，A和C是最優的兩個，因此得到了兩個結果[A],[C]，其他三個就被拋棄了；

• 第二步會基于這兩個結果繼續進行生成，在A這個分支可以得到5個候選人，[AA],[AB],[AC],[AD],[AE]，C也同理得到5個，此時會對這10個進行統一排名，再保留最優的兩個，即圖中的[AB]和[CE]；

• 第三步同理，也會從新的10個候選人里再保留最好的兩個，最后得到了[ABD],[CED]兩個結果。

可以發現，beam search在每一步需要考察的候選人數量是貪心搜索的num_beams倍，因此是一種犧牲時間換性能的方法。

以上就是Beam Search的基本概念，下面我們解析一種高效率實現方式。

Beam Search代碼解析

Beam Search的原理雖然簡單，但實際實現的時候卻有很多細節要考慮。下面要解析這個實現出自于NLP界著名Python包Transformers^[1]，我為了說明方便做了一些改動。

一個正確且高效的算法需要處理的問題大概有兩個：

• 充分利用硬件，可以處理批量數據，且盡量使用并行計算少用循環

• 處理好長短不同的生成結果

下面是基礎版的beam search函數定義。其中context是編碼器編碼獲得的向量，batch_size是每批數據中包含的樣本量，bos_token_id是句子開頭標志的token id，pad_token_id是用于填充的token id，eos_token_id是句子結束標志的token id。這里給參數填上的默認值和我們后面講解時使用的例子是一致的。

def beam_search_generate(context,batch_size=3,max_length=20,min_length=2,num_beams=2,bos_token_id=101,pad_token_id=0,eos_token_id=102,):pass

在函數中主要執行以下三個步驟：

• 準備初始輸入

• 在當前生成的序列長度未達到max_length時擴展生成序列

• 準備最終輸出的序列

下面我們分別解析。

準備初始輸入

# 建立beam容器，每個樣本一個 generated_hyps = [BeamHypotheses(num_beams, max_length, length_penalty, early_stopping=early_stopping)for _ in range(batch_size) ]# 每個beam容器的得分，共batch_size*num_beams個 beam_scores = torch.zeros((batch_size, num_beams), dtype=torch.float, device=encoder_input_ids.device) beam_scores = beam_scores.view(-1)# 每個樣本是否完成生成，共batch_size個 done = [False for _ in range(batch_size)]# 為了并行計算，一次生成batch_size*num_beams個序列 # 第一步自動填入bos_token input_ids = torch.full((batch_size*num_beams, 1),bos_token_id,dtype=torch.long,device=next(self.parameters()).device, )# 當前長度設為1 cur_len = 1

其中BeamHypotheses是一個容器類，每個樣本綁定一個。每個容器中會維護num_beams個當前最優的序列。當往容器中添加一個序列而導致序列數大于num_beams的時候，它會自動踢掉分數最低的那個序列。類代碼如下。

class BeamHypotheses(object):def __init__(self, num_beams, max_length, length_penalty):self.max_length = max_length - 1 # ignoring bos_tokenself.num_beams = num_beamsself.beams = []self.worst_score = 1e9def __len__(self):return len(self.beams)def add(self, hyp, sum_logprobs):score = sum_logprobs / len(hyp) ** self.length_penaltyif len(self) < self.num_beams or score > self.worst_score:# 可更新的情況：數量未飽和或超過最差得分self.beams.append((score, hyp))if len(self) > self.num_beams:# 數量飽和需要刪掉一個最差的sorted_scores = sorted([(s, idx) for idx, (s, _) in enumerate(self.beams)])del self.beams[sorted_scores[0][1]]self.worst_score = sorted_scores[1][0]else:self.worst_score = min(score, self.worst_score)def is_done(self, best_sum_logprobs, cur_len=None):"""相關樣本是否已經完成生成。best_sum_logprobs是新的候選序列中的最高得分。"""if len(self) < self.num_beams:return Falseelse:if cur_len is None:cur_len = self.max_lengthcur_score = best_sum_logprobs / cur_len ** self.length_penalty# 是否最高分比當前保存的最低分還差ret = self.worst_score >= cur_scorereturn ret

序列擴展

序列擴展是beam search的核心過程，我們特地畫了一張圖來解釋這個版本的實現策略。

序列擴展示意圖

下面對照這個圖來講解代碼。

while cur_len < max_length:# 將編碼器得到的上下文向量和當前結果輸入解碼器，即圖中1output = decoder.decode_next_step(context, input_ids)# 輸出矩陣維度為：(batch*num_beams)*cur_len*vocab_size# 取出最后一個時間步的各token概率，即當前條件概率# (batch*num_beams)*vocab_sizescores = next_token_logits = output[:, -1, :]############################ 這里可以做一大堆操作減少重復 ############################# 計算序列條件概率的，因為取了log，所以直接相加即可。得到圖中2矩陣# (batch_size * num_beams, vocab_size)next_scores = scores + beam_scores[:, None].expand_as(scores)# 為了提速，將結果重排成圖中3的形狀next_scores = next_scores.view(batch_size, num_beams * vocab_size) # (batch_size, num_beams * vocab_size)# 取出分數最高的token（圖中黑點）和其對應得分# sorted=True，保證返回序列是有序的next_scores, next_tokens = torch.topk(next_scores, 2 * num_beams, dim=1, largest=True, sorted=True)# 下一個時間步整個batch的beam列表# 列表中的每一個元素都是三元組# (分數, token_id, beam_id)next_batch_beam = []# 對每一個樣本進行擴展for batch_idx in range(batch_size):# 檢查樣本是否已經生成結束if done[batch_idx]:# 對于已經結束的句子，待添加的是pad tokennext_batch_beam.extend([(0, pad_token_id, 0)] * num_beams) # pad the batchcontinue# 當前樣本下一個時間步的beam列表next_sent_beam = []# 對于還未結束的樣本需要找到分數最高的num_beams個擴展# 注意，next_scores和next_tokens是對應的# 而且已經按照next_scores排好順序for beam_token_rank, (beam_token_id, beam_token_score) in enumerate(zip(next_tokens[batch_idx], next_scores[batch_idx])):# get beam and word IDs# 這兩行可參考圖中3進行理解beam_id = beam_token_id // vocab_sizetoken_id = beam_token_id % vocab_sizeeffective_beam_id = batch_idx * num_beams + beam_id# 如果出現了EOS token說明已經生成了完整句子if (eos_token_id is not None) and (token_id.item() == eos_token_id):# if beam_token does not belong to top num_beams tokens, it should not be addedis_beam_token_worse_than_top_num_beams = beam_token_rank >= num_beamsif is_beam_token_worse_than_top_num_beams:continue# 往容器中添加這個序列generated_hyps[batch_idx].add(input_ids[effective_beam_id].clone(), beam_token_score.item(),)else:# add next predicted word if it is not eos_tokennext_sent_beam.append((beam_token_score, token_id, effective_beam_id))# 擴展num_beams個就夠了if len(next_sent_beam) == num_beams:break# 檢查這個樣本是否已經生成完了，有兩種情況# 1. 已經記錄過該樣本結束# 2. 新的結果沒有使結果改善done[batch_idx] = done[batch_idx] or generated_hyps[batch_idx].is_done(next_scores[batch_idx].max().item(), cur_len=cur_len)# 把當前樣本的結果添加到batch結果的后面next_batch_beam.extend(next_sent_beam)# 如果全部樣本都已經生成結束便可以直接退出了if all(done):break# 把三元組列表再還原成三個獨立列表beam_scores = beam_scores.new([x[0] for x in next_batch_beam])beam_tokens = input_ids.new([x[1] for x in next_batch_beam])beam_idx = input_ids.new([x[2] for x in next_batch_beam])# 準備下一時刻的解碼器輸入# 取出實際被擴展的beaminput_ids = input_ids[beam_idx, :]# 在這些beam后面接上新生成的tokeninput_ids = torch.cat([input_ids, beam_tokens.unsqueeze(1)], dim=-1)# 更新當前長度cur_len = cur_len + 1# end of length while

乍一看是不是有些復雜，我感覺關鍵的有以下幾點：

• 只有出現了EOS token才會將生成的序列裝進該樣本對應的容器中

• 當前input_ids保存著當前得分最高的num_beams個序列

準備輸出

上面那個while循環跳出意味著已經生成了長度為max_length的文本，比較理想的情況是所有的句子都已經生成出了eos_token_id，即句子生成結束了。但并不是所有情況都這樣，對于那些”意猶未盡“的樣本，我們需要先手動結束。

# 將未結束的生成結果結束，并置入容器中 for batch_idx in range(batch_size):# 已經結束的樣本不需處理if done[batch_idx]:continue# 把結果加入到generated_hyps容器for beam_id in range(num_beams):effective_beam_id = batch_idx * num_beams + beam_idfinal_score = beam_scores[effective_beam_id].item()final_tokens = input_ids[effective_beam_id]generated_hyps[batch_idx].add(final_tokens, final_score)

經過上面的處理，所有生成好的句子都已經保存在generated_hyps容器中，每個容器內保存著num_beams個序列，最后就是輸出期望個數的句子。

# select the best hypotheses，最終輸出 # 每個樣本返回幾個句子 output_num_return_sequences_per_batch = 1 # 記錄每個返回句子的長度，用于后面pad sent_lengths = input_ids.new(output_batch_size) best = []# 對每個樣本取出最好的output_num_return_sequences_per_batch個句子 for i, hypotheses in enumerate(generated_hyps):sorted_hyps = sorted(hypotheses.beams, key=lambda x: x[0])for j in range(output_num_return_sequences_per_batch):effective_batch_idx = output_num_return_sequences_per_batch * i + jbest_hyp = sorted_hyps.pop()[1]sent_lengths[effective_batch_idx] = len(best_hyp)best.append(best_hyp)# 如果長短不一則pad句子，使得最后返回結果的長度一樣 if sent_lengths.min().item() != sent_lengths.max().item():sent_max_len = min(sent_lengths.max().item() + 1, max_length)# 先把輸出矩陣填滿PAD tokendecoded = input_ids.new(output_batch_size, sent_max_len).fill_(pad_token_id)# 填入真正的內容for i, hypo in enumerate(best):decoded[i, : sent_lengths[i]] = hypo# 填上eos tokenif sent_lengths[i] < max_length:decoded[i, sent_lengths[i]] = eos_token_id else:# 所有生成序列都還沒結束，直接堆疊即可decoded = torch.stack(best).type(torch.long).to(next(self.parameters()).device)# 返回的結果包含BOS token return decoded

總結

好了，上面就是最基礎的beam search算法。這樣生成出來的結果已經會比貪心搜索好一些，但還是會遇到諸如詞語重復這樣的問題。其實已經有很多針對重復問題的研究，我們在代碼中也已經留出了位置，下期再見咯。

參考資料

[1]

Transformers: https://github.com/huggingface/transformers

個人微信：加時請注明 (昵稱+公司/學校+方向)

總結

以上是生活随笔為你收集整理的十分钟读懂Beam Search(1/2)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。