?PaperWeekly 原創(chuàng) ·?作者｜海晨威

學(xué)校｜同濟(jì)大學(xué)碩士生

研究方向｜自然語言處理

Mask 在 NLP 中是一個(gè)很常規(guī)的操作，也有多種應(yīng)用的場(chǎng)景和形式，下面嘗試從以下幾個(gè)方面去全解（用了夸張的修辭手法）Mask，并盡可能地輔以圖片說明和代碼解釋：?

1. Mask 的作用?

• 處理非定長(zhǎng)序列

• • RNN 中的 Mask?

  • Attention 中 Mask?

2. 防止標(biāo)簽泄露?

• Transformer 中的 Mask?

• BERT 中的 Mask?

• XLNet 中的 Mask

Mask的作用

對(duì)于 NLP 中 mask 的作用，先上結(jié)論：?

1. padding mask：處理非定長(zhǎng)序列，區(qū)分 padding 和非 padding 部分，如在 RNN 等模型和 Attention 機(jī)制中的應(yīng)用等；

2. sequence mask：防止標(biāo)簽泄露，如：Transformer decoder 中的 mask 矩陣，BERT 中的 [Mask] 位，XLNet 中的 mask 矩陣等。

PS：padding mask 和 sequence mask非官方命名。

處理非定長(zhǎng)序列?

在 NLP 中，文本一般是不定長(zhǎng)的，所以在進(jìn)行 batch 訓(xùn)練之前，要先進(jìn)行長(zhǎng)度的統(tǒng)一，過長(zhǎng)的句子可以通過 truncating 截?cái)嗟焦潭ǖ拈L(zhǎng)度，過短的句子可以通過 padding 增加到固定的長(zhǎng)度，但是 padding 對(duì)應(yīng)的字符只是為了統(tǒng)一長(zhǎng)度，并沒有實(shí)際的價(jià)值，因此希望在之后的計(jì)算中屏蔽它們，這時(shí)候就需要 Mask。

上圖（圖片參考?[1]）為中文場(chǎng)景下，一個(gè) batch=5 的，以字為單位的輸入矩陣（也可以在分詞后以詞為單位）和 mask 矩陣，左圖已經(jīng)將文本 padding 到統(tǒng)一長(zhǎng)度了，右圖中的 1 表示有效字，0 代表無效字。

RNN中的Mask?

對(duì)于 RNN 等模型，本身是可以直接處理不定長(zhǎng)數(shù)據(jù)的，因此它不需要提前告知? sequence length，如下是 PyTorch 下的 LSTM 定義：

nn.LSTM(input_size,?hidden_size,?*args,?**kwargs)

最終，R-MeN 將這 3 個(gè)編碼向量反饋給基于 CNN 的解碼器，返回一個(gè)三元組的得分。

但是在實(shí)踐中，為了 batch 訓(xùn)練，一般會(huì)把不定長(zhǎng)的序列 padding 到相同長(zhǎng)度，再用 mask 去區(qū)分非 padding 部分和 padding 部分。?

區(qū)分的目的是使得 RNN 只作用到它實(shí)際長(zhǎng)度的句子，而不會(huì)處理無用的 padding 部分，這樣 RNN 的輸出和隱狀態(tài)都會(huì)是對(duì)應(yīng)句子實(shí)際的最后一位。另外，對(duì)于 token 級(jí)別的任務(wù)，也可以通過 mask 去忽略 padding 部分對(duì)應(yīng)的 loss。?

不過，在 PyTorch 中，對(duì) mask 的具體實(shí)現(xiàn)形式不是 mask 矩陣，而是通過一個(gè)句子長(zhǎng)度列表來實(shí)現(xiàn)的，但本質(zhì)一樣。實(shí)現(xiàn)如下，sentence_lens 表示的是這個(gè) batch 中每一個(gè)句子的實(shí)際長(zhǎng)度（參考 [2]）。

embed_input_x_packed?=?pack_padded_sequence(embed_input_x,?sentence_lens,?batch_first=True) encoder_outputs_packed,?(h_last,?c_last)?=?self.lstm(embed_input_x_packed) encoder_outputs,?_?=?pad_packed_sequence(encoder_outputs_packed,?batch_first=True)

btw，在 PyTorch 的 Embedding 和 Loss 中也有對(duì) padding 值的設(shè)置：

#?padding_idx?(int,?optional):?If?given,?pads?the?output?with?the?embedding?vector?at? #?`padding_idx`?(initialized?to?zeros)?whenever?it?encounters?the?index. embedding?=?nn.Embedding(vocab_size,?embed_dim,?padding_idx=0)#?ignore_index?(int,?optional):?Specifies?a?target?value?that?is?ignored #?and?does?not?contribute?to?the?input?gradient. criterion?=?nn.CrossEntropyLoss(ignore_index=0)

Attention中Mask?

在 Attention 機(jī)制中，同樣需要忽略 padding 部分的影響，這里以 transformer encoder 中的 self-attention 為例：?

self-attention 中，Q 和 K 在點(diǎn)積之后，需要先經(jīng)過 mask 再進(jìn)行 softmax，因此，對(duì)于要屏蔽的部分，mask 之后的輸出需要為負(fù)無窮，這樣 softmax 之后輸出才為 0。

▲ The self-attention calculation in matrix form?(圖片參考 [3])

def?attention(query,?key,?value,?mask=None,?dropout=None):"Compute?'Scaled?Dot?Product?Attention'"d_k?=?query.size(-1)scores?=?torch.matmul(query,?key.transpose(-2,?-1))?\/?math.sqrt(d_k)if?mask?is?not?None:scores?=?scores.masked_fill(mask?==?0,?-1e9)?#?mask步驟，用?-1e9?代表負(fù)無窮p_attn?=?F.softmax(scores,?dim?=?-1)if?dropout?is?not?None:p_attn?=?dropout(p_attn)return?torch.matmul(p_attn,?value),?p_attn

▲ 代碼參考 [4]

PS：上述兩個(gè)參考都是非常好的 transformer 介紹文章，參考 1，圖片與文字相得益彰，參考 2，代碼與講解相輔相成。

防止標(biāo)簽泄露

在語言模型中，常常需要從上一個(gè)詞預(yù)測(cè)下一個(gè)詞，但如果要在 LM 中應(yīng)用 self attention 或者是同時(shí)使用上下文的信息，要想不泄露要預(yù)測(cè)的標(biāo)簽信息，就需要 mask 來“遮蓋”它。不同的 mask 方式，也對(duì)應(yīng)了一篇篇的 paper，這里選取典型的幾個(gè)。?

Transformer中的Mask?

Transformer 是包括 Encoder和 Decoder的，Encoder中 self-attention 的 padding mask 如上，而 Decoder 還需要防止標(biāo)簽泄露，即在 t 時(shí)刻不能看到 t 時(shí)刻之后的信息，因此在上述 padding mask 的基礎(chǔ)上，還要加上 sequence mask。?

sequence mask 一般是通過生成一個(gè)上三角矩陣來實(shí)現(xiàn)的，上三角區(qū)域?qū)?yīng)要 mask 的部分。?

在 Transformer 的 Decoder 中，先不考慮 padding mask，一個(gè)包括四個(gè)詞的句子 [A,B,C,D] 在計(jì)算了相似度 scores 之后，得到下面第一幅圖，將 scores 的上三角區(qū)域 mask 掉，即替換為負(fù)無窮，再做 softmax 得到第三幅圖。這樣，比如輸入 B 在 self-attention 之后，也只和 A，B 有關(guān)，而與后序信息無關(guān)。?

因?yàn)樵?softmax 之后的加權(quán)平均中: B‘ = 0.48*A+0.52*B，而 C，D 對(duì) B' 不做貢獻(xiàn)。

▲ 圖片參考?[5]

實(shí)際應(yīng)用中，Decoder 需要結(jié)合 padding mask 和 sequence mask，下面在 PyTorch 框架下以一個(gè)很簡(jiǎn)化的例子展示 Transformer 中的兩種 Mask。

import?torchdef?padding_mask(seq,?pad_idx):return?(seq?!=?pad_idx).unsqueeze(-2)???#?[B,?1,?L]def?sequence_mask(seq):batch_size,?seq_len?=?seq.size()mask?=?1-?torch.triu(torch.ones((seq_len,?seq_len),?dtype=torch.uint8),diagonal=1)mask?=?mask.unsqueeze(0).expand(batch_size,?-1,?-1)??#?[B,?L,?L]return?maskdef?test():#?以最簡(jiǎn)化的形式測(cè)試Transformer的兩種maskseq?=?torch.LongTensor([[1,2,0]])?#?batch_size=1,?seq_len=3，padding_idx=0embedding?=?torch.nn.Embedding(num_embeddings=3,?embedding_dim=10,?padding_idx=0)query,?key?=?embedding(seq),?embedding(seq)scores?=?torch.matmul(query,?key.transpose(-2,?-1))mask_p?=?padding_mask(seq,?0)mask_s?=?sequence_mask(seq)mask_decoder?=?mask_p?&?mask_s?#?結(jié)合?padding?mask?和?sequence?maskscores_encoder?=?scores.masked_fill(mask_p==0,?-1e9)?#?對(duì)于scores，在mask==0的位置填充scores_decoder?=?scores.masked_fill(mask_decoder==0,?-1e9)test()

對(duì)應(yīng)的各 mask 值為：

#?mask_p [[[1?1?0]]] #?mask_s [[[1?0?0][1?1?0][1?1?1]]] #?mask_decoder [[[1?0?0][1?1?0][1?1?0]]]

可以看到 mask_decoder 的第三列為 0 ，對(duì)應(yīng) padding mask，上三角為 0，對(duì)應(yīng) sequence mask。?

BERT中的Mask?

BERT 實(shí)際上是 Transformer 的 Encoder，為了在語言模型的訓(xùn)練中，使用上下文信息又不泄露標(biāo)簽信息，采用了 Masked LM，簡(jiǎn)單來說就是隨機(jī)的選擇序列的部分 token 用 [Mask] 標(biāo)記代替。這波 Mask 操作，思想很直接，實(shí)現(xiàn)很簡(jiǎn)單，效果很驚人。

BERT 之后，也有不少在 Mask 的范圍和形式上做文章的，比如：ERNIE，但大同小異，不多贅述。?

而 XLNet 的 Mask 操作非常的巧（nan）妙（dong），如下。?

XLNet中的Mask?

XLNet 通過 Permutation Language Modeling 實(shí)現(xiàn)了不在輸入中加 [Mask]，同樣可以利用上下文信息，關(guān)鍵的操作就是下面所示的 Attention Mask 機(jī)制。

但并不是那么好理解，要理解 XLNet 中的 Mask，一定要先看張俊林老師的：XLNet：運(yùn)行機(jī)制及和 Bert 的異同比較 [6]，再來看下面的內(nèi)容。上圖也是引自該文，這里再引用一句我認(rèn)為非常關(guān)鍵的一段話：?

在 Transformer 內(nèi)部，通過 Attention 掩碼，從 X 的輸入單詞里面，也就是 Ti 的上文和下文單詞中，隨機(jī)選擇 i-1 個(gè)，放到 Ti 的上文位置中，把其它單詞的輸入通過 Attention 掩碼隱藏掉，于是就能夠達(dá)成我們期望的目標(biāo)（當(dāng)然這個(gè)所謂放到 Ti 的上文位置，只是一種形象的說法，其實(shí)在內(nèi)部，就是通過 Attention Mask，把其它沒有被選到的單詞 Mask 掉，不讓它們?cè)陬A(yù)測(cè)單詞 Ti 的時(shí)候發(fā)生作用，如此而已。看著就類似于把這些被選中的單詞放到了上文 Context_before 的位置了）。?

對(duì)于排列序列：3->2->4->1，通過 Attention Mask，在 self-attention 的加權(quán)平均計(jì)算中，以上圖中的??為例：?

self-attention 計(jì)算之后 Content stream 中的?，其中??表示第 2 個(gè)詞對(duì)應(yīng)的向量，其他同理。這樣在??中就看到了它的下文?，就好像是把??放到了它的上文位置一樣，但實(shí)際順序并沒有改變。?

對(duì)序列進(jìn)行排列的目的是為了生成這個(gè) Attention Mask，再加上雙流注意力去解決預(yù)測(cè)歧義的問題，可以說就是 Permutation Language Modeling 的全部了。?

到這里，就是本文全部的 Mask，但這肯定不是 NLP 中 Mask 的全部，但希望能幫助你去更好地理解 Mask。

參考文獻(xiàn)

[1] https://www.cnblogs.com/neopenx/p/4806006.html

[2] https://zhuanlan.zhihu.com/p/34418001

[3] https://jalammar.github.io/illustrated-transformer/

[4]?http://nlp.seas.harvard.edu/2018/04/03/attention.html#attention

[5] https://baijiahao.baidu.com/s?id=1652093322137148754&wfr=spider&for=pc

[6] https://zhuanlan.zhihu.com/p/70257427

點(diǎn)擊以下標(biāo)題查看更多往期內(nèi)容：?

• 對(duì)比學(xué)習(xí)（Contrastive Learning）相關(guān)進(jìn)展梳理
  

• 從ACL和ICLR看知識(shí)圖譜嵌入的近期研究進(jìn)展
  

• BERT在小米NLP業(yè)務(wù)中的實(shí)戰(zhàn)探索
  

• 針對(duì)復(fù)雜問題的知識(shí)圖譜問答最新進(jìn)展
  

• 復(fù)旦大學(xué)邱錫鵬教授：NLP預(yù)訓(xùn)練模型綜述
  

• 淺談嵌套命名實(shí)體識(shí)別（Nested NER）

#投 稿?通 道#

?讓你的論文被更多人看到?

如何才能讓更多的優(yōu)質(zhì)內(nèi)容以更短路徑到達(dá)讀者群體，縮短讀者尋找優(yōu)質(zhì)內(nèi)容的成本呢？答案就是：你不認(rèn)識(shí)的人。

總有一些你不認(rèn)識(shí)的人，知道你想知道的東西。PaperWeekly 或許可以成為一座橋梁，促使不同背景、不同方向的學(xué)者和學(xué)術(shù)靈感相互碰撞，迸發(fā)出更多的可能性。?

PaperWeekly 鼓勵(lì)高校實(shí)驗(yàn)室或個(gè)人，在我們的平臺(tái)上分享各類優(yōu)質(zhì)內(nèi)容，可以是最新論文解讀，也可以是學(xué)習(xí)心得或技術(shù)干貨。我們的目的只有一個(gè)，讓知識(shí)真正流動(dòng)起來。

?????來稿標(biāo)準(zhǔn)：

? 稿件確系個(gè)人原創(chuàng)作品，來稿需注明作者個(gè)人信息（姓名+學(xué)校/工作單位+學(xué)歷/職位+研究方向）?

? 如果文章并非首發(fā)，請(qǐng)?jiān)谕陡鍟r(shí)提醒并附上所有已發(fā)布鏈接?

? PaperWeekly 默認(rèn)每篇文章都是首發(fā)，均會(huì)添加“原創(chuàng)”標(biāo)志

?????投稿郵箱：

? 投稿郵箱：hr@paperweekly.site?

? 所有文章配圖，請(qǐng)單獨(dú)在附件中發(fā)送?

? 請(qǐng)留下即時(shí)聯(lián)系方式（微信或手機(jī)），以便我們?cè)诰庉嫲l(fā)布時(shí)和作者溝通

????

現(xiàn)在，在「知乎」也能找到我們了

進(jìn)入知乎首頁搜索「PaperWeekly」

點(diǎn)擊「關(guān)注」訂閱我們的專欄吧

關(guān)于PaperWeekly

PaperWeekly 是一個(gè)推薦、解讀、討論、報(bào)道人工智能前沿論文成果的學(xué)術(shù)平臺(tái)。如果你研究或從事 AI 領(lǐng)域，歡迎在公眾號(hào)后臺(tái)點(diǎn)擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結(jié)

以上是生活随笔為你收集整理的NLP中的Mask全解的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。