自监督目标检测框架

 

目录

• 1 自监督学习的概念
• 2 BERT

• 2.1 BERT简介
• 2.2 BERT的使用

• 2.2.1 Sentiment Analysis（情感分析）
• 2.2.2 POS（词性标记）
• 2.2.3 Natural Language Inferencee（NLI，自然语言推论）
• 2.2.4 Extraction-based Question Answering（QA）

• 2.3 BERT的预训练
• 2.4 BERT预训练的原理（猜想）
• 2.5 Multi-lingual BERT
• 2.6 BERT小结

• 3 GPT

---

1 自监督学习的概念

在前面介绍的模型，如CNN、RNN、Transformer等等，都是监督学习的例子，即：输入到网络中的数据都是都标签（label）的。而自监督学习，则是只有一些无标签的数据，需要模型将这些数据分为两部分，一部分作为数据，另一部分作为标签。自监督学习是无监督学习的一个分支。

 

2 BERT

2.1 BERT简介

 

在预训练BERT时，常常使用以下任务：

• 恢复遮挡文字：输入一个句子，使用mask遮挡其中的部分内容，让模型还原出原来的语句;
• 语句预测：输入两个句子，让BERT判断这两个句子是否是上下文的关系。然而，在许多的文章中说明了，语句预测并不能让模型具有较好的性能：RoBERTa.在ALBERT中，提出了一种Sentence Order prediction的任务，能够更有效地预训练模型。
  尽管训练BERT时都是使用一些简单的任务，但是BERT神奇的地方在于，训练完成后，经过调整，它可以解决一些其他的任务（下游任务）。在这个过程中，训练BERT完成简单任务的过程称为Pre-train，调整的过程称为Fine-tune。

即使是Pre-train的过程相同，经过不同的Fine-tune之后，BERT也能够处理不一样的任务。因此在测试BERT性能时，常常会调整BERT，来测试其在不同的任务上的性能。General Language Understanding Evaluation中设置了9个下游任务,来评估BERT的性能，近年来提出的模型不断提高了在GLUE上的表现，如图2(黑色横线表示人类的识别能力)：

 

2.2 BERT的使用

2.2.1 Sentiment Analysis（情感分析）

情感分析的任务目标是，输入一条语句文本，输出该语句的情感是正面的还是负面的，该任务在分析用户对于产品的评价时非常有用。

如图3，在这个任务中，输入的语句添加一个CLS作为句子的开始，BERT主干部分之后还需接一个线性模型。整个模型中，BERT的主干部分的参数已经被预训练，不需要初始化，而线性模型的参数则随机初始化。

尽管BERT会有多个输出，但在情感分析任务中，只关注CLS对应的输出（猜想这样做是因为，语句中的每一个字在分析情感时地位相等，CLS对应的输出实际上是计算其他字与CLS的关联度，更能代表整个句子）

 

2.2.2 POS（词性标记）

词性标记任务与情感分析的做法类似，只是在词性标记中，关注的BERT的输出是语句中每一个词的输出，而CLS对应的输出则被舍弃。

2.2.3 Natural Language Inferencee（NLI，自然语言推论）

NLI的输入是两个句子，一个称为前提（premise），一个称为假设（hypothesis），两个句子之间用一个特殊符号SEP分隔，开头以CLS指示。模型的任务是推断在给定前提下，假设是否成立，输出一个类别来表示两个句子的这种关系。

与情感分析类似，在NLI任务中，关注的是是输入整体的关系，因此只关注CLS对应的输出。

2.2.4 Extraction-based Question Answering（QA）

该任务是有限制的QA，即问题的答案一定出现在材料中。在这个任务中，输入是两个由字组成的序列D和Q，D代表文章材料，Q代表问题。模型的输出是两个整数s和e，而问题Q的答案就是文本材料D中第s个字到第e个字，如图4.

 

除了BERT主干部分之外，还需要训练两个向量，一个用于标记答案开始，一个用于标记答案结束，它们的长度与BERT输出向量的长度相同。在训练时，只需将两个向量与D对应输出的向量作内积，结果再经过Softmax即可得到s和e，如图5：

 

2.3 BERT的预训练

BERT的训练包含两个步骤：预训练和微调。

在预训练的步骤中，使用大量的文本（google使用了超过300万的单词进行预训练），这个过程需要大量的计算资源，如图6：

 

2.4 BERT预训练的原理（猜想）

回顾BERT的运作过程，预训练和下游任务实际上没有太大的关联，但是如果随机初始化BERT的参数而不是用预训练的参数，最终得到的结果却会变差。看起来，BERT是一个参数规模庞大的“黑盒”，其运作的原理难以理解，研究预训练的过程中究竟发生了什么，为什么经过与训练之后的BERT就能够拥有强大的处理各种人物的能力，依然是目前科学研究的一个方向。

结合目前为止的实验，有人提出了这样的猜想：

在预训练后，为BERT输入一个文字，BERT将能够输出一个向量，这个向量代表了输入文字的含义，并且这个含义将会考虑到输入上下文，不同的上下文能够给出不同的向量。例如：吃苹果的“果”，和西瓜的“瓜”，它们都是水果，输出的向量也可能会比较接近。事实上，也有实验证明了这件事。

如果真的是这样，那么每一个字经过BERT输出之后，都会变成一个能够代表这个字的向量，并且意义相近的次对应向量的距离也会比较近，这种特点使得BERT输出的向量成为word embeding，并且由于输出与上下文有关，BERT也称为Contextualized word embeding。在若干年前提出的CBOW模型，在思想上也与BERT相似，根据上下文计算某一词的word embeding，不过CBOW模型仅仅包含两层线性回归模型，十分简单。

2.5 Multi-lingual BERT

前述的BERT的预训练往往是在单一语言数据集上完成的，如果使用多种不同的语言来预训练BERT，那么得到的模型称为Multi-lingual BERT。Google使用104种不同的语言，对BERT进行了预训练，这个模型的神奇之处在于，完成预训练之后，模型拥有了“跨语言”QA的能力：例如调整BERT时，使用英文数据集，而在测试模型时，使用中文数据集，对于这两种完全不同的语言，Multi-BERT 居然也可以做的比较好：

 这也许说明，Multi-BERT已经学习到了各种语言的共同点，在模型看来，各种语言都没有说明不同，因此才会完成英文训练-中文测试这样的任务。但是，在训练和测试的过程中，模型却不会输出一段既包含英文，又包含中文的数据，这又说明，各种语言之间还是有差距的。

2.6 BERT小结

BERT的出现对于NLP是一大进步，与训练之后的BERT只要花费较低的计算成本进行Fine-tune，就能够完成各种不同的任务。

但是，BERT的预训练过程依然令人难以理解，其耗费的庞大计算资源也令想要自己预训练模型的研究者望而却步。BERT依然是一个“黑盒”，有诸多问题值得继续深入研究。

3 GPT

GPT是一个比BERT更大的预训练模型，其结构与Transformer中的Decoder相似，预训练阶段，GPT的任务是输入语句，预测语句的下一个字。预训练时的模型也是使用masked-attention，也就是说产生输出时，模型只看上文的内容，不看下文的内容。结构如图9：

 比起BERT来说，GPT的体积要大得多，大到在这样一个模型上，进行Fine-tune也变得困难。但是，GPT的使用上有一个更加超前的想法：既然GPT拥有文本补全的能力，那么如果为模型输入一段文本，代表任务的内容和少数范例，在文本的末尾添加一个问题，模型是否能够结合这段文本，回答这个问题呢？

这种方式来训练模型，称为Few-shot Learning，假如仅仅给出一个范例，则称One-shot Learning，甚至有的方法在输入中一个范例也没有，称为Zero-shot Learning.

那么在现实中，这种不经过微调和梯度下降的训练方法究竟是否有效呢？在GPTv3中，三种不同的训练方式被测试用于42项不同的任务，其准确率如图10：