0
| 本文作者： camel | 2020-01-19 16:30 |
本文為計算所邵晨澤向雷鋒網(wǎng)AI科技評論投稿，未經(jīng)允許禁止轉(zhuǎn)載。
本文是對計算所馮洋組和騰訊微信AI團隊共同完成，被 AAAI2020 錄用的論文《Minimizing the Bag-of-Ngrams Difference for Non-Autoregressive Neural Machine Translation》進(jìn)行解讀，相關(guān)工作已開源。
論文：https://arxiv.org/pdf/1911.09320.pdf
代碼：https://github.com/ictnlp/BoN-NAT
目前主流的神經(jīng)機器翻譯模型為自回歸模型，每一步的譯文單詞的生成都依賴于之前的翻譯結(jié)果，因此模型只能逐詞生成譯文，翻譯速度較慢。Gu等人[1]提出的非自回歸神經(jīng)機器翻譯模型(NAT)對目標(biāo)詞的生成進(jìn)行獨立的建模，因此能夠并行解碼出整句譯文，顯著地提升了模型的翻譯速度。
然而，非自回歸模型在翻譯質(zhì)量上與自回歸模型有較大差距，主要表現(xiàn)為模型在長句上的翻譯效果較差，譯文中包含較多的重復(fù)詞和漏譯錯誤等，如圖一所示：
圖一：NAT譯文中的重復(fù)詞和漏譯錯誤。NAT:非自回歸模型，AR：自回歸模型
造成非自回歸模型翻譯效果較差的一個主要原因為其訓(xùn)練時所用的交叉熵?fù)p失函數(shù)不準(zhǔn)確。一方面，詞級別的交叉熵?fù)p失對每個位置的預(yù)測結(jié)果進(jìn)行獨立評估，難以建模序列依賴關(guān)系；另一方面，交叉熵?fù)p失要求模型的預(yù)測結(jié)果與參考譯文嚴(yán)格對齊，否則就難以評估模型的翻譯質(zhì)量。如圖二所示，
圖二：不對齊時，交叉熵?fù)p失無法給出準(zhǔn)確的指導(dǎo)
當(dāng)預(yù)測結(jié)果未與參考譯文對齊時，盡管兩者語義很相近，交叉熵?fù)p失還是會變得非常大，對模型給出錯誤的指導(dǎo)。
針對上述的交叉熵?fù)p失函數(shù)不準(zhǔn)確的問題，Gu等人[1]將其歸因為譯文的“多峰性”，即一個句子可能有多種正確的譯文，并提出引入隱變量來減小譯文的不確定性。隨后，離散隱變量[2,3]、變分自編碼器[4,5]、基于位置信息的隱變量[6,7]被引入到非自回歸模型中，均取得了明顯的效果提升。
隱變量的方法也有一定缺陷，即對隱變量的建模會降低非自回歸模型的翻譯速度，且隱變量難以完全消除譯文的不確定性，交叉熵?fù)p失不準(zhǔn)確的問題仍然存在。
另一個思路為對非自回歸模型的訓(xùn)練目標(biāo)做改進(jìn)，本文也是基于這個思路。Wang等人[8]直接在訓(xùn)練目標(biāo)中加入正則化項，以此來抑制模型的重復(fù)翻譯和漏譯錯誤。Shao等人[9]在模型中融入序列信息，改進(jìn)強化學(xué)習(xí)算法來進(jìn)行序列級訓(xùn)練，用更準(zhǔn)確的序列級指標(biāo)來訓(xùn)練模型。
上述方法的好處是能在不影響翻譯速度的前提下提升模型的翻譯質(zhì)量。然而，[8]僅針對在譯文中觀察到的問題做優(yōu)化，并未從根本上解決問題。由于序列級指標(biāo)的離散性，[9]無法準(zhǔn)確求得損失函數(shù)的梯度，需要使用強化學(xué)習(xí)算法來做梯度估計。另外，[9]所用的強化學(xué)習(xí)算法速度較慢，僅能用于模型的微調(diào)階段。
針對交叉熵?fù)p失不準(zhǔn)確的問題，本文為非自回歸模型提出了一種基于n元組袋（Bag-of-Ngrams, BoN）的訓(xùn)練目標(biāo)，希望能最小化模型與參考譯文間n元組袋的差異。該訓(xùn)練目標(biāo)在n元組的層面上評估預(yù)測結(jié)果，因此能夠建模序列依賴關(guān)系；直接對n元組袋做優(yōu)化，對絕對位置不敏感，不受對齊約束的限制。如圖三所示，在預(yù)測結(jié)果未與參考譯文對齊時，該訓(xùn)練目標(biāo)也能準(zhǔn)確地評估翻譯質(zhì)量。
圖三：基于n元組袋的訓(xùn)練目標(biāo)
本文提出的BoN訓(xùn)練目標(biāo)對模型與參考譯文間的n元組袋差異做定量評估，從而鼓勵模型生成更接近參考譯文的翻譯結(jié)果，下面對其做具體描述，主要分為三個步驟：BoN的定義和計算、BoN距離的定義和計算和訓(xùn)練方法。
BoN的定義和計算 假設(shè)詞表大小為V，對于一個長度為T的句子Y=(y1,……,yn)，一般都將它的n元組袋定義為一個長度為V^n的向量，記為BoNY，它的每一維代表某一n元組g=(g1,……,gn)的出現(xiàn)次數(shù)，如下所示：
其中，1{}為指示函數(shù)，若條件成立則取值為1，否則為0。對神經(jīng)機器翻譯模型來說，由于其建模了譯文在整個譯文空間上的概率分布，上面的定義并不直接適用。因此，我們考慮所有可能的譯文，將每個譯文的BoN按概率加權(quán)，用BoN的期望值來定義模型的BoN。假設(shè)模型參數(shù)為θ，從原文X到譯文Y的翻譯概率為P(Y|X, θ)，則模型的BoNθ定義如下：
(2)式中對模型BoN的定義方法非常自然，但它也存在一個很大的問題：搜索空間是指數(shù)大小的，難以對其進(jìn)行計算。我們利用非自回歸模型獨立預(yù)測各位置翻譯概率的特性，對(2)式做如下變換：
注意到，(3)式中2到3行的變換利用到了非自回歸模型獨立建模概率的特性，因此(3)式的推導(dǎo)僅對非自回歸模型有效。通過(3)式的變換，我們就不再需要遍歷所有可能譯文，匯總所有位置上n元組g的概率就能求得g的期望出現(xiàn)次數(shù)BoNθ(g)。下圖以二元組g=(‘get’,‘up’)為例，展示了模型BoNθ的計算方法。
圖四：對2元組(‘get’, ‘up’) 的期望出現(xiàn)次數(shù)的計算
BoN距離的定義和計算 在完成對參考譯文和模型的BoN定義后，我們可以選擇一種距離指標(biāo)來衡量兩者BoN的差距，常用的距離指標(biāo)有L1距離、L2距離、余弦距離等。注意到，n元組袋的長度為V^n，盡管我們在上文中對其每一維BoNθ(g)的計算做了簡化，但若要進(jìn)行V^n次的計算來求得整個BoN向量，所需的計算量和存儲空間也是非常巨大的。因此，我們希望選擇一種合適的距離指標(biāo)，使我們不需要計算整個BoNθ向量，進(jìn)一步簡化計算。從上文(1)、(2)式的定義看，模型的BoNθ向量是稠密的，每個位置均為非零值；句子的BoNY向量是稀疏的，僅有幾個位置為非零值。利用這個性質(zhì)，我們可以對兩個向量間L1距離的計算做簡化。首先，假設(shè)譯文長度為T，則兩個BoN向量的L1模長均為T-n+1:
基于此，兩個BoN向量間的L1距離如下所示：
直觀上看，(6)式中的min部分代表了模型與參考譯文在n元組層面上的匹配數(shù)，匹配數(shù)越大，則兩者BoN向量間的L1距離越小。利用BoNY向量的稀疏性，min函數(shù)的大部分取值均為0，我們只需考慮BoNY非零的幾處位置，計算模型與參考譯文中n元組的匹配總數(shù)，從而計算出兩者n元組袋的距離BoN-L1。訓(xùn)練方法 上文中，我們給出了BoN的定義和快速計算BoN間L1距離的方法。在本節(jié)，我們將對用BoN距離訓(xùn)練非自回歸模型的方法做具體介紹。首先，為了保證訓(xùn)練過程的穩(wěn)定性，我們將BoN距離歸一化后作為損失函數(shù)：
與基于強化學(xué)習(xí)的序列級訓(xùn)練方法[9]類似，我們可以先用交叉熵?fù)p失預(yù)訓(xùn)練非自回歸模型，再用BoN損失對模型進(jìn)行微調(diào)，我們將這種方法命名為BoN-FT。
另外，由于本文提出的BoN損失在計算上非常快速且直接可導(dǎo)，我們也可以將BoN損失與交叉熵?fù)p失加權(quán)來聯(lián)合訓(xùn)練非自回歸模型，這種方法被命名為BoN-Joint。
結(jié)合上面兩種方法，我們可以先對模型進(jìn)行聯(lián)合訓(xùn)練，再單獨用BoN損失微調(diào)模型，這種方法被命名為BoN-Joint+FT。
本文在WMT14 En-de、WMT16 En-Ro、IWSLT16 En-de三個數(shù)據(jù)集、五個翻譯方向上進(jìn)行了實驗，結(jié)果如圖五所示。
圖五：三個數(shù)據(jù)集上的實驗，所提方法相對基線模型和強化學(xué)習(xí)方法均有明顯提升
對比BoN-FT與Reinforce-NAT[9]，可以看到本文提出的BoN損失在序列級訓(xùn)練上效果更好、速度更快。BoN-Joint方法相對BoN-FT也有明顯提升，表明讓BoN損失全程參與訓(xùn)練的必要性，這也是BoN損失相對強化學(xué)習(xí)方法的優(yōu)勢：強化學(xué)習(xí)方法訓(xùn)練速度過慢，一般只能用于微調(diào)模型。效果最好的為BoN-Joint+FT，該方法通過在最后階段的微調(diào)，相對BoN-Joint也有微小提升，在WMT14 En-de數(shù)據(jù)集上達(dá)到了約5個BLEU值的提升。
本文還對BoN損失和交叉熵?fù)p失與翻譯質(zhì)量的相關(guān)性做了實驗驗證。我們在WMT14 En->De的開發(fā)集上進(jìn)行實驗，將開發(fā)集的3000個句子隨機分為100組，每組30句。我們粗略地認(rèn)為BLEU值能夠表示模型的翻譯質(zhì)量，計算模型在各組上的BoN損失、交叉熵?fù)p失和翻譯結(jié)果的BLEU值，并分別求出BoN損失、交叉熵?fù)p失與BLEU值的相關(guān)系數(shù)，如表一所示。
表一：交叉熵?fù)p失和BoN損失與翻譯質(zhì)量的相關(guān)系數(shù)
表一顯示，在n=2的情況下，BoN損失與翻譯質(zhì)量的相關(guān)性最好，且顯著強于交叉熵?fù)p失。因此，BoN損失能更準(zhǔn)確地評估模型的輸出結(jié)果，適用于非自回歸模型的訓(xùn)練。我們也在不同句長情況下對相關(guān)性進(jìn)行了分析，將開發(fā)集按句長分為兩組，每組包含1500個句子，并按上述方法計算BoN損失、交叉熵?fù)p失在長句組和短句組上的相關(guān)性，如表二所示。
表二：在不同句長下，交叉熵?fù)p失和BoN損失與翻譯質(zhì)量的相關(guān)系數(shù)
表二顯示，交叉熵?fù)p失在句長增大時，與翻譯質(zhì)量的相關(guān)性迅速下降，而BoN損失在長句下仍能保持較高的相關(guān)性。這種現(xiàn)象與我們的預(yù)期完全相符，在長句情況下，類似圖二的不對齊現(xiàn)象更加容易發(fā)生，因此交叉熵?fù)p失的準(zhǔn)確性會進(jìn)一步下降。BoN損失基于n元組袋來評估模型輸出，因此不受不對齊現(xiàn)象的影響。
本文針對非自回歸模型中交叉熵?fù)p失不準(zhǔn)確的問題，提出了基于n元組袋的BoN損失。實驗顯示，BoN損失與翻譯質(zhì)量的相關(guān)性更強，用其對非自回歸模型進(jìn)行訓(xùn)練，能顯著提升模型的翻譯效果。在未來的工作中，一方面，我們希望能更進(jìn)一步地對非自回歸模型的訓(xùn)練方法進(jìn)行探究；另一方面，我們希望能不局限于非自回歸模型，將本文所提的BoN損失應(yīng)用到自然語言處理的更多任務(wù)中。
雷鋒網(wǎng)報道。
更多AAAI 2020解讀論文請參閱雷鋒網(wǎng)其他文章：http://www.ozgbdpf.cn/special/custom/meetingVideo.html?from=SY
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。
