前言

言歸正傳，這次我們總結(jié)一下ACL2021中的Transformers，看看2021年了，NLPer在如何使用、應(yīng)用、改進(jìn)、分析Transformers，希望可以對(duì)大家產(chǎn)生idea有幫助。

本文涉及25篇Transformer相關(guān)的文章，對(duì)原文感興趣的讀者可以關(guān)注公眾號(hào)回復(fù): ACL2021Transformers，下載本文所涉及的所有文章～ 本文主要內(nèi)容：

• 前言

• ACL 2021中的25個(gè)Transformers模型

• 總結(jié)

ACL 2021中的25個(gè)Transformers模型

NLP中的層次結(jié)構(gòu)

Hi-Transformer: Hierarchical Interactive Transformer for Efficient and Effective Long Document Modeling

高效和長(zhǎng)文本transformer模型設(shè)計(jì)，短文。如上圖所示，這篇文章主要提出一種解決長(zhǎng)文本任務(wù)的transformer模型：首先分別encoder sentence表示，然后再encod document表示，最后再重新encde sentence表示，總體上比較簡(jiǎn)單的local+global設(shè)計(jì)。

R2D2: Recursive Transformer based on Differentiable Tree for Interpretable Hierarchical Language Modeling

將Transformer和語(yǔ)言文字層次結(jié)構(gòu)相結(jié)合的一篇文章。本文基于可差分CKY樹(shù)，提出一種recursive Transformer模型，用于捕獲語(yǔ)言中的層次結(jié)構(gòu)（words, Phrases, sentences），與目前直接堆疊Transformer Layer的模型進(jìn)行對(duì)比（例如BERT，Albert）除了可以學(xué)好表示，還能學(xué)到tree結(jié)構(gòu)，與之前基于CKY的parser模型，Tree-LSTM模型比較相似。為了能讓recursive Transformer進(jìn)行快速、大規(guī)模訓(xùn)練，文章也相應(yīng)提出了優(yōu)化算法。Recursive Transformer語(yǔ)言模型實(shí)驗(yàn)是基于WikiText-2做的，效果還可以。為了凸顯該模型的tree 結(jié)構(gòu)性，文章進(jìn)一步做了無(wú)監(jiān)督Constituency Parse，顯示了該模型結(jié)構(gòu)在學(xué)習(xí)語(yǔ)言層次結(jié)構(gòu)上的能力。

Transformer復(fù)雜度和高效設(shè)計(jì)

IrEne: Interpretable Energy Prediction for Transformers

本文預(yù)測(cè)Transformer運(yùn)行所消耗的能量，很有趣。首先，這篇文章將Transformer模型結(jié)構(gòu)按照Tree進(jìn)行拆解：整個(gè)模型是root節(jié)點(diǎn)（例如BERT），root節(jié)點(diǎn)下逐步拆分出子模塊（比如BertSelf Attention），最終子模塊由最基本的ML單元組成（例如全連接Dense網(wǎng)絡(luò)），最終自底向上，先預(yù)測(cè)單個(gè)ML單元的能量消耗，再匯總計(jì)算出整體模型的能量消耗。為了驗(yàn)證該方法的有效性，該文還創(chuàng)建了一個(gè)數(shù)據(jù)集來(lái)評(píng)測(cè)Transformer-based模型的能量消耗。IrEne的代碼在：https://github.com/StonyBrookNLP/irene

Optimizing Deeper Transformers on Small Datasets

小數(shù)據(jù)集+更深更大的模型，有點(diǎn)反常識(shí)的感覺(jué)，不過(guò)也很有趣。總體上，這篇文章通過(guò)合適的模型初始化方式和優(yōu)化算法，在很小很難的Text-to-SQL任務(wù)上取得了不錯(cuò)的結(jié)果，這篇文章的核心是Data-dependent Transformer Fixed-update，那這個(gè)DT-Fixup怎么做的呢？比如使用的模型是roberta，在roberta上面再堆疊個(gè)幾層隨機(jī)Transformer：

• 對(duì)于模型中非預(yù)訓(xùn)練模型初始化的部分，使用Xavier initialization進(jìn)行初始化。

• 對(duì)于模型中非預(yù)訓(xùn)練模型初始化的部分，將學(xué)習(xí)率的warm-up和所有的layer normalization去掉。

• 對(duì)所有的樣本進(jìn)行一遍前向傳播獲得輸入的一個(gè)估計(jì)：，是roberta輸出的表示。

• 根據(jù)得到的，在新疊加的每層Transformer上，對(duì)attention和權(quán)重矩陣進(jìn)行設(shè)計(jì)好的縮放。

文章理論推導(dǎo)較多，建議感興趣的同學(xué)下載文章后閱讀原文進(jìn)行學(xué)習(xí)。

READONCE Transformers: Reusable Representations of Text for Transformers

Transformer推理提速。文章的思路是：無(wú)論是問(wèn)答任務(wù)，摘要生成任務(wù)還是其他任務(wù)里的不同樣本可能會(huì)多次涉及到同一個(gè)wiki段落，這個(gè)時(shí)候不用每次都重新encode這個(gè)wiki段落，可以只encode這個(gè)段落一次然后re-use。文章思路和另一個(gè)SIGIR 2020的很像：DC-BERT: Decoupling Question and Document for Efficient Contextual Encoding

Parameter-efficient Multi-task Fine-tuning for Transformers via Shared Hypernetworks

parameter-efficient相關(guān)的一篇文章，通過(guò)多任務(wù)學(xué)習(xí)和特定的模型參數(shù)共享來(lái)達(dá)到更好的遷移學(xué)習(xí)效果。總體上模型是make sense的。如上圖所示，該論文基于adapter類(lèi)似的結(jié)構(gòu)設(shè)計(jì)來(lái)幫助下游任務(wù)finetune，但adapter處的設(shè)計(jì)與之前的研究不同的是：給予task id， adapter位置，layer id動(dòng)態(tài)計(jì)算所有l(wèi)ayer的adapter參數(shù)。代碼開(kāi)源在：https://github.com/rabeehk/hyperformer

Length-Adaptive Transformer: Train Once with Length Drop, Use Anytime with Search

高效Transformer設(shè)計(jì)。文章的主要亮點(diǎn)是：1. transformer中間層的長(zhǎng)度自適應(yīng)，可以減少參數(shù)量。2. 減少的參數(shù)所對(duì)應(yīng)的token表示可以被restore，因此可以用來(lái)做抽取式QA任務(wù)。文章在文本分類(lèi)和QA任務(wù)上進(jìn)行了驗(yàn)證。

H-Transformer-1D: Fast One-Dimensional Hierarchical Attention for Sequences

高效transformer設(shè)計(jì)。文章借鑒數(shù)值分析領(lǐng)域的：Hierarchical Matrix和Multigrid method，提出了一種hierarchical attention結(jié)構(gòu)，該結(jié)構(gòu)是線(xiàn)性時(shí)間復(fù)雜度和空間復(fù)雜度，并進(jìn)一步優(yōu)化到只使用dense layer運(yùn)算進(jìn)行實(shí)現(xiàn)。

Transformer分析和可解釋性

Personalized Transformer for Explainable Recommendation

推薦、可解釋性、NLP相結(jié)合的一篇文章。該論文提出了PETER模型（如上圖所示），將user， item和item feature，item的explanation當(dāng)作模型輸入，對(duì)user，item進(jìn)行表示學(xué)習(xí)，同時(shí)也學(xué)習(xí)item特征向量表示和explanation文字的表示，輸出又3個(gè)任務(wù)，Rating prediction是推薦任務(wù)，context Prediction是用item的輸出表示預(yù)測(cè)item的生成item的explanation（和doc2vec算法類(lèi)似），Explanation Generation就是正常的生成任務(wù)。總體上user、item著兩個(gè)輸入和對(duì)應(yīng)的表示能讓模型學(xué)到Personalized和recommendation的知識(shí)，Explanation預(yù)測(cè)就是正常的生成任務(wù)。該模型在Yelp、Amazon，TripAdvisor數(shù)據(jù)集上做了實(shí)驗(yàn)，有不錯(cuò)的效果。

Contributions of Transformer Attention Heads in Multi- and Cross-lingual Tasks

對(duì)Transformer不同Head重要性進(jìn)行分析的一篇文章。這篇文章在multi-lingual，Cross-lingual任務(wù)上，對(duì)mBERT、XLM-R這兩個(gè)Transformer模型進(jìn)行了分析，實(shí)驗(yàn)結(jié)果顯示：1. 對(duì)attention head進(jìn)行剪裁之后依舊可以獲得與原模型相匹配的效果，甚至可以獲得更好的效果。2. 根據(jù)梯度來(lái)確定哪些head可以被剪裁。3. 文章在多語(yǔ)言的POS和NER數(shù)據(jù)集上驗(yàn)證了結(jié)論和方法的正確性質(zhì)。

Are Pre-trained Convolutions Better than Pre-trained Transformers?

對(duì)比CNN和Transformer的效果。該文之前已經(jīng)在公眾號(hào)上分享過(guò)啦，相關(guān)鏈接: 預(yù)訓(xùn)練的卷積模型比Transformer更好？

Attention Calibration for Transformer in Neural Machine Translation

翻譯的時(shí)候decoder需要attention到正確的詞才能獲得更好的效果，但是如果有其他不重要帶來(lái)了嚴(yán)重的干擾，那么翻譯效果將會(huì)下降，來(lái)自騰訊的這篇工作展示了如何修正翻譯中的attention來(lái)幫助機(jī)器翻譯。總體結(jié)構(gòu)如上圖所示，通過(guò)一個(gè)mask perturbation 模型來(lái)學(xué)習(xí)如何對(duì)attention進(jìn)行修正，基本思路是：如果mask到了重要的詞，那么翻譯效果下降，如果mask掉了干擾詞（也就是修正了原來(lái)的attention分?jǐn)?shù)），那么翻譯效果上升。

What Context Features Can Transformer Language Models Use?

Transformer需要的重要feature分析。這篇文章對(duì)transformer模型在中長(zhǎng)文本上的效果進(jìn)行對(duì)比分析發(fā)現(xiàn)：1. 對(duì)于長(zhǎng)文本而言，增加最大token數(shù)量的限制（256到768）有幫助。2. 對(duì)于當(dāng)前的模型而言，長(zhǎng)文本的信息主要來(lái)源于content words和局部occurrence統(tǒng)計(jì)信息：刪除一些function words和局部window內(nèi)隨機(jī)shuffle對(duì)模型最終影響比較小。3. 并不是context中所有feature重要性都相同。總體上文章對(duì)：word order，sentence order，order of ps，根據(jù)token屬性對(duì)token進(jìn)行控制變量的刪減等一些列feature進(jìn)行了控制變量分析。

Reservoir Transformers

Transformer分析文章。文章顯示：固定預(yù)訓(xùn)練模型的部分參數(shù)或者增加一些隨機(jī)初始化的模塊（比如加入gru，cnn等模塊）可以提升transformer模型最終效果。文章在語(yǔ)言模型和翻譯任務(wù)上進(jìn)行驗(yàn)證。

More Identifiable yet Equally Performant Transformers for Text Classification

對(duì)Transformer模型進(jìn)行可解釋性設(shè)計(jì)。文章的主要貢獻(xiàn)是：1. attention不同權(quán)重可鑒別性的理論分析。2. 設(shè)計(jì)了一種transformer變體有助于attention權(quán)重的鑒別從而提升可解釋性。3. 在文本分類(lèi)任務(wù)上做了分析和驗(yàn)證，提升可鑒別性的同時(shí)不降低原有任務(wù)的效果。

長(zhǎng)文本處理

ERNIE-DOC: A Retrospective Long-Document Modeling Transformer

針對(duì)長(zhǎng)文本處理的Transformer優(yōu)化，來(lái)自百度NLP團(tuán)隊(duì)。入上圖所示，整個(gè)長(zhǎng)文章的被分成了多片，該文章認(rèn)為之前的Transformer模型都無(wú)法利用整個(gè)文章的信息，而提出的ERNIE-DOC用到了所有文本信息。為了讓模型能看到長(zhǎng)文本所有信息，該文章主要有以下幾個(gè)貢獻(xiàn)：1. 一個(gè)長(zhǎng)文本feed給模型2次。2. 由于目前的recurrence Transformer所能看到的最長(zhǎng)文本受到最大層數(shù)的限制，所以提出了一個(gè)enhanced recurrence mechanism進(jìn)一步擴(kuò)大Transformer所能看到的文本范圍。3. 還提出了一個(gè)segment-reordering任務(wù)，主要就是將文本中的分片打亂，然后預(yù)測(cè)是否是正確的順序。論文在語(yǔ)言模型任務(wù)、document-level的長(zhǎng)文本理解任務(wù)，以及一系列中英文下游任務(wù)上進(jìn)行了驗(yàn)證。

G-Transformer for Document-level Machine Translation

Transformer雖然在單句翻譯中有不錯(cuò)的效果了，但多句翻譯/document-level的翻譯還遠(yuǎn)不夠好。這篇文章發(fā)現(xiàn)多句翻譯訓(xùn)練的時(shí)候容易陷入局部最優(yōu)，陷入局部最優(yōu)的原因是因?yàn)榉g的時(shí)候需要attention 的source words太多了。所以這個(gè)文章做了一個(gè)比較容易理解的事情：如上圖所示，把document level的翻譯依舊看作是多個(gè)單個(gè)句子翻譯，通過(guò)句子序號(hào)來(lái)提醒模型翻譯到哪里了，從而縮小target到source需要attention的范圍。

Transformer有趣的應(yīng)用

Topic-Driven and Knowledge-Aware Transformer for Dialogue Emotion Detection

結(jié)合Transformer和knowledge base，對(duì)對(duì)話(huà)系統(tǒng)中的Topic和情感傾向進(jìn)行識(shí)別。該文主要貢獻(xiàn)如下：1. 首次基于topic來(lái)幫助對(duì)話(huà)情感識(shí)別。2. 使用pointer network和attention機(jī)制融入commonsense knowledge。3.在解決對(duì)話(huà)情感檢測(cè)任務(wù)時(shí)，設(shè)計(jì)了一個(gè)基于Transformer encoder-decoder結(jié)構(gòu)的模型，來(lái)取代之前通用的recurrent attention一類(lèi)的網(wǎng)絡(luò)。

Unsupervised Out-of-Domain Detection via Pre-trained Transformers

深度學(xué)習(xí)模型的效果越來(lái)越好，但如果遇到和訓(xùn)練樣本分布不一致的輸入會(huì)怎么樣？這篇文章基于BERT模型中多層Transformer所提取的feature，在inference階段對(duì)out-of-domian的樣本檢測(cè)，可以有效排除和訓(xùn)練樣本分布不一致的測(cè)試樣本，基于深度學(xué)習(xí)模型對(duì)深度學(xué)習(xí)模型的輸入進(jìn)行檢查，也是很有趣的一個(gè)方向。

MECT: Multi-Metadata Embedding based Cross-Transformer for Chinese Named Entity Recognition

融入中文字形而設(shè)計(jì)的一種Transformer，該論文顯示融入了中文字形之后，在多個(gè)中文任務(wù)上取得了更好的效果。

ChineseBERT: Chinese Pretraining Enhanced by Glyph and Pinyin Information

ARBERT & MARBERT: Deep Bidirectional Transformers for Arabic

擴(kuò)展Transformer模型到多種語(yǔ)言。文章設(shè)計(jì)和實(shí)現(xiàn)了兩個(gè)ARabic-specific Transformer并在大量的語(yǔ)料和多種datasets上進(jìn)行了預(yù)訓(xùn)練，文章還提出了一個(gè)benchmark ARLUE進(jìn)行專(zhuān)門(mén)的多語(yǔ)言評(píng)測(cè)。

Glancing Transformer for Non-Autoregressive Neural Machine Translation

Transformer在翻譯上的應(yīng)用，主要是非自回歸翻譯模型方法的提出，來(lái)自字節(jié)跳動(dòng)。文章提出一種非自回歸的翻譯模型，可以并行快速decode。感興趣的讀者可以閱讀中文講解：https://www.aminer.cn/research_report/60f0188430e4d5752f50eafd

在預(yù)訓(xùn)練中用上字形和拼音信息，和上一個(gè)MECT同類(lèi)型的研究。

總結(jié)

本文涉及的transformer相關(guān)研究主要分以下幾個(gè)類(lèi)別：

• NLP中的層次結(jié)構(gòu)

• Transformer的復(fù)雜度和高效設(shè)計(jì)

• 長(zhǎng)文本處理

• 基于Transformer的一些有趣的應(yīng)用

今天的分享就到這里啦，大家覺(jué)得不錯(cuò)的話(huà)，幫點(diǎn)贊和分享一下吧，謝謝～～～

往期精彩回顧適合初學(xué)者入門(mén)人工智能的路線(xiàn)及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線(xiàn)手冊(cè)深度學(xué)習(xí)筆記專(zhuān)輯《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專(zhuān)輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專(zhuān)輯黃海廣老師《機(jī)器學(xué)習(xí)課程》課件合集 本站qq群851320808，加入微信群請(qǐng)掃碼：

總結(jié)

以上是生活随笔為你收集整理的【NLP】ACL 2021中的25个Transformers模型的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)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。