0
| 本文作者： 叢末 | 2019-01-01 11:38 |
雷鋒網(wǎng) AI 科技評論編者按：過去幾年，深度學習在自然語言處理中取得了很大的進展，但進展的幅度并不像其在計算機視覺中那么顯著。其中一個重要的原因是數(shù)據(jù)規(guī)模問題。多任務(wù)學習是將多個任務(wù)一起學習，充分挖掘多個任務(wù)之間的相關(guān)性，來提高每個任務(wù)的模型準確率，從而可以減少每個任務(wù)對訓練數(shù)據(jù)量的需求。
近日，在雷鋒網(wǎng) AI 研習社公開課上，復(fù)旦大學計算機系在讀碩士陳俊坤分享了其所在研究組關(guān)于多任務(wù)學習在自然語言處理領(lǐng)域的最新工作。公開課回放視頻網(wǎng)址：
分享嘉賓：
陳俊坤，復(fù)旦大學計算機系在讀碩士，導師是邱錫鵬副教授，主要研究方向為自然語言處理，多任務(wù)學習等。其研究工作曾在 AAAI, IJCAI 上發(fā)表。
分享主題：自然語言處理中的多任務(wù)學習 & 復(fù)旦大學 NLP 實驗室介紹
分享提綱：
1、復(fù)旦大學 NLP 實驗室介紹
2、基于深度學習的自然語言處理
3、深度學習在自然語言處理中的困境
4、自然語言中的多任務(wù)學習
5、多任務(wù)基準平臺
雷鋒網(wǎng) AI 研習社將其分享內(nèi)容整理如下：
本次的分享主要有兩個目的：一是介紹一下復(fù)旦大學 NLP 實驗室的相關(guān)工作；二是讓愿意攻讀研究生的同學對國內(nèi)實驗室有更多的了解，從而在選擇攻讀研究生上更有目標性。
分享之前，先進行一下自我介紹，我目前在復(fù)旦大學 NLP 實驗室攻讀研三，師從邱錫鵬副教授，現(xiàn)在也是字節(jié)跳動 AI Lab 的實習生，研究方向主要是自然語言處理、多任務(wù)學習和遷移學習。今天的分享，我會重點講一下多任務(wù)學習。
另外介紹一下復(fù)旦大學 NLP 實驗室，它致力于利用機器技術(shù)，理解和處理人類語言，擁有國內(nèi)領(lǐng)先的團隊，實驗室的老師都有非常豐富的經(jīng)驗。我所在的研究組主要聚焦于深度學習和自然語言處理領(lǐng)域，包括語言表示學習、詞法/句法分析、文本推理、問答系統(tǒng)等方面，指導老師是邱錫鵬副教授，近幾年來，我們發(fā)表國際頂級會議/期刊 50 余篇，還獲得了 ACL 2017 杰出論文；在 SQUAD 2.0 上獲得第二的成績，并在 SQUAD 1.1 上多次獲得第一；另外我們也開發(fā)開源自然語言處理系統(tǒng)，希望能幫助大眾解決更多問題，其中包括 FudanNLP（國內(nèi)最早的開源 NLP 系統(tǒng)之一）、fastNLP（一個模塊化、自動化、可擴展的 NLP 系統(tǒng)）。
本次自然語言處理的報告綱要包括：
自然語言處理簡介
基于深度學習的自然語言處理
深度學習在自然語言處理中的困境
自然語言處理中的多任務(wù)學習
新的多任務(wù)基準平臺
首先簡單介紹一下自然語言語言處理這個概念。
我們知道圖靈測試是指，當一個人與機器對話時，他無法判斷對方是機器還是人，那機器就通過了圖靈測試。這就引出了自然語言處理的核心：讓機器去理解和生成自然語言。
那什么是自然語言處理？我們可以大致將其理解為人類語言，區(qū)別于程序語言等人工語言。自然語言處理任務(wù)包括語音識別、自然語言理解、自然語言生成、人機交互以及所涉及的中間階段，目前可以歸為是人工智能和計算機科學的交叉子學科。
從技術(shù)上進行總結(jié)，可以分為三個層面：基礎(chǔ)技術(shù)、核心技術(shù)和應(yīng)用：
自然語言處理的難點在于歧義性，以下我以中文分詞為例進行說明：
（關(guān)于自然語言處理的難點的具體講解，請回看視頻 00：05：35 處）
自然語言處理的發(fā)展歷程可以這樣總結(jié)： 在 1990 年以前，多基于規(guī)則的方法進行自然語言處理；90 年代以后，逐漸引入一些統(tǒng)計學習的方法；目前，自 2012 年開始，隨著的深度學習的熱潮，開始基于深度學習神經(jīng)網(wǎng)絡(luò)端到端的訓練進行自然語言處理?？傊匀徽Z言處理就是一個理解語言（文本到機器）、生成（機器到文本）再到交互的過程。
那對于人來說，理想中的自然語言處理流程是怎樣的呢？
（關(guān)于理想中的自然語言處理流程的具體講解，請回看視頻 00：08：10 處）
下面講一下基于深度學習的自然語言處理是怎樣的。首先講一下如何在計算機中表示語言的語義？
計算機中語言語義的表示之前是采用一些知識庫的規(guī)則；到了深度學習中，則采用分布式的表示方法。下面可以看一個圖像的案例：
（關(guān)于語言語義表示及其案例的具體講解，請回看視頻 00：09：00 處）
這里就要引出在自然語言處理中非常重要的概念——詞嵌入（Word Embeddings），這個概念從 2013 年開始逐漸火熱起來。
（關(guān)于詞嵌入的具體講解，請回看視頻 00：10：40 處）
詞表示之后，就要考慮句子表示，不過句子表示的難度遠大于詞表示，這里主要講一下在神經(jīng)網(wǎng)絡(luò)中怎樣表示句子。
（關(guān)于神經(jīng)網(wǎng)絡(luò)中的句子表示的具體講解，請回看視頻 00：12：42）
在得到字、句子表示之后，如果要對自然語言處理任務(wù)的類型進行總結(jié)，可以劃分為以下幾個類別：
第一，類型（對象）到序列，包括文本生成、圖像描述生成任務(wù)；
第二，序列到類別，包括文本分類、情感分析任務(wù)；
第三，同步的序列到序列，包括中文分析、詞性標注、語義角色標注任務(wù)；
第四，異步的序列到序列，包括機器翻譯、自動摘要、對話系統(tǒng)任務(wù)。
針對這些困境，目前有兩套相對有效的解決思路：
一是無監(jiān)督預(yù)訓練；
二是多任務(wù)學習。
那么為什么多任務(wù)學習在自然語言處理中的表現(xiàn)這么好？原因包括：
隱式的數(shù)據(jù)增強；
更自然的表示學習；
更好地表示學習，一個好的表示需要能夠提高多個任務(wù)的性能；
正則化：共享參數(shù)在一定程度上弱化了網(wǎng)絡(luò)能力，可以防止過擬合；
Eavesdropping（竊聽）。
（對于深度學習在自然語言處理中所存在困境及其原因和解決方法——無監(jiān)督學習和多任務(wù)學習的具體講解，請回看視頻 00：13：51 處）
下面講一下自然語言下的多任務(wù)學習。理想狀態(tài)下，自然語言處理是按照輸入到詞法分析到句法分析再到多任務(wù)的過程，而多任務(wù)的自然語言處理，可以使用一個共享模塊，同時進行詞法分析、句法分析以及任務(wù)這幾項任務(wù)。
自然語言中的多任務(wù)學習可以歸納為以下幾個種類：
第一個是跨領(lǐng)域（Multi-Doman）任務(wù)
第二個是多級（Multi-Level）任務(wù)
第三個是多語言（Multi-Linguistic）任務(wù)
第四個是多模態(tài)（Multi-Modality）任務(wù)
深度學習下的多任務(wù)學習，一般是共享一些多層次的神經(jīng)網(wǎng)絡(luò)，可以總結(jié)為以下三種方式：
第一，硬共享模式
第二，軟共享模式
第三，共享-私有模式
（關(guān)于自然語言處理中的多任務(wù)學習種類以及深度學習下的多任務(wù)學習方式的具體講解，請回看視頻 00：23：15 處）
共享模式主要可以分為以下類別：
接下來我將以實驗室的論文為主，外加一些相關(guān)論文，介紹一下這些共享模式：
硬共享模式
軟共享模式
共享-私有模式
函數(shù)共享模式
多級共享模式
主輔任務(wù)模式
接著講一下共享模式探索：
（關(guān)于對這幾類共享模式的案例介紹以及共享模式探索的具體講解，請回看視頻 00：26：35 處）
接下來介紹一下多任務(wù)學習的兩個比較主流的 benchmark。
先講一下從去年開始比較火的閱讀理解，即機器閱讀一篇或多篇文檔，并回答一些相關(guān)問題。它對于自然語言處理來說，是比較難的任務(wù)類型，這就引出了兩個 benchmark。
第一個是 decanlp，它將很多 Q1 任務(wù)合并在一起作為多任務(wù)學習的聯(lián)合訓練集，每個任務(wù)有不同評價指標，每個任務(wù)的類型差異也很大，有的是翻譯，有的是摘要。
第二個是最近被大家刷爆的數(shù)據(jù)集 GLUE，它是 NYU 做的，跟 decanlp 理念差不多，也是跟 Q&A、情感分類類似的數(shù)據(jù)集。
這兩個數(shù)據(jù)集還有很多發(fā)展的空間，但是我個人感覺最近大家刷榜的方式有點走偏了。
（關(guān)于這兩個 benchmark 的具體講解以及講者的一些思考分享，請回看視頻 00：46：50 處）
以上就是本期嘉賓的全部分享內(nèi)容。更多公開課視頻請到雷鋒網(wǎng) AI 研習社社區(qū)（http://ai.yanxishe.com/）觀看。關(guān)注微信公眾號：AI 研習社（okweiwu），可獲取最新公開課直播時間預(yù)告。
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。
