韦阳

华东师范大学 计算机科学与技术硕士在读

原文链接:

Better, Faster, Stronger Sequence Tagging Constituent Parsers​godweiyang.com

为了看懂论文里的策略梯度,又去把强化学习看了一遍。。。

论文地址:

Better, Faster, Stronger Sequence Tagging Constituent Parsers​arxiv.org

介绍

这篇论文主要是在之前的那篇论文

Constituent Parsing as Sequence Labeling​godweiyang.com

基础上解决了如下三个问题:

  • 太长的短语预测错误率高。
  • 输出空间太大导致label稀疏性。
  • 贪心解码导致的错误传播。

本文提出的解决方法分别是:

  • 采用融合了相对编码和绝对编码的动态编码。
  • 将预测任务分解为多个子任务。
  • 采用辅助任务和策略梯度。

三大问题以及解决方法

过长短语预测的高错误率

由下面这张图可以看出,当  太小时,准确率就会大幅下降。这个问题主要体现在过长短语的闭合上,右括号的预测尤其困难。其实这也跟数据稀疏性有很大关系,训练集中过长短语毕竟占少数。

解决方法就是采用动态编码,如下图所示:

第一行是相对值编码,第二行是绝对值编码,之前文章都已经解释过了。第三行是结合了上面两种编码的动态编码,具体取值情况是大多数时候都还采用相对值编码,因为毕竟相对值编码空间比较小,可以适当缓解数据稀疏性。但是当满足如下两种情况的时候,就采用绝对值编码:

  • 绝对值  ,也就是说CA的个数不能超过3个,这样也是为了降低数据的稀疏性。
  • 相对值  ,也就是说将上图中准确率比较低的那些负数值全部用绝对值替代了,在句法树中表现为  所在的子树比  低两层以上。

输出空间太大导致label稀疏性

这个问题主要是由于三元组  太稀疏了导致的。假设  ,那么这个三元组的状态空间是  ,可以通过将三元组分解为三个不同的子任务将复杂度降低为  。最后的损失函数定义为三个子任务的损失之和:

具体实现上,可以将任务  的输出给任务  和  作为输入。

贪心解码导致的错误传播

这个问题在基于贪心的方法中基本都存在,也就是所谓的一步错步步错,这里主要提出了两种解决方法。

辅助任务 辅助任务主要就是用来帮助主任务学习到一些不太容易学到的信息。这里才用了两个辅助任务,一个是在预测  的同时再预测一个  ,这样就能往后多预测一步,适当的减少了贪心的影响。另一个方法就是将之前博客写到的句法距离(syntactic distances)加入到模型中一起预测:

对于不同的辅助任务,最后将他们的损失求和加到最终的损失函数中去:

策略梯度 这个方法可以从全局的角度来对模型进行优化。假设模型在  时刻的状态为  ,输出标签为  ,那么模型选择  的概率定义为策略  ,模型最终可以获得的奖励为  ,定义为句法树的F1值。

定义句法树的概率为每一步决策的概率之积:

所以模型最终就是要最大化如下的奖励:

按照梯度上升的方向更新参数  ,求梯度可得:

将  代入可得:

其中  是根据分布  采样出来的  棵句法树的奖励。

具体实现的时候有好几个小Tips。

第一个就是要将奖励减去一个baseline,这里定义为模型直接根据贪心求得的句法树的F1值:

这么做的目的就是为了让奖励有正有负,不然全部都是正数的话,因为采样不可能全部采样到,可能会导致高概率的样本概率越来越高,而没有采样到的低概率样本可能奖励非常高,却因此概率越来越低。

第二个Tip就是加入熵作为正则项:

目的就是使概率尽量不要太小,不然的话采样数不够的话就有可能造成采样不到小概率的样本。

还有就是给策略加入噪声:

目的同样是加大概率,防止概率太接近于0,当然这个可加可不加。。。

实验结果

首先测试了不同设置的影响:

可以看出上面提到的几种方法对性能都有提升,其中采用动态编码、多任务(也就是减少输出空间)、辅助任务(主要是预测前一个  )还有策略梯度可以获得最好的结果。

最终模型在测试集上取得了90.6的F1值,虽然不是很高,但比之前的序列标注模型提升还是不少。

最后再来看一下模型在负数预测上的准确率,可以看出有了非常大的提升:

!