Adversarial Learning with Contextual Embeddings for Zero-resource Cross-lingual Classification and NER

时间：2020-03-24 10:46:06 阅读：75 评论：0 收藏：0 [点我收藏+]

论文信息：论文，EMNLP2019

概述

上下文感知词嵌入已经被成功应用于命名实体识别、文档分类等NLP任务。其中多语言版BERT也基于XNLI数据集(Conneau et al., 2018)在“zero-shot”或者“zero-resource”的跨语言分类任务中展示了强大能力。这里所说的“zero-resource”意味着模型训练时只能使用英文语料的标注数据，训练完的模型要应用于其它语言，因此训练时完全未使用目标语言资源。

本论文目的是探索BERT的“zero-resource”迁移学习能力能否应用于其它多语言数据，该论文的主要贡献如下：

提出了在微调多语言版BERT时加入“语言对抗”任务，该任务能够提高“zero-resource”跨语言的迁移学习能力
表明了对于MLDoc文档分类和CoNLL实体识别任务，即使没有对抗训练，多语言版BERT都比之前的方法好
证明了对抗技术使得BERT将英文文档和其翻译对齐，就是这种对齐改进了“zero-resource”性能

方法

该论文模型架构如下图所示：

技术图片

该方法将对抗任务看作是二元分类任务，即判断样本是英语还是非英语。为了实现这一点，论文额外添加了判别器和生成器，判别器基于BERT隐向量进行二元分类，而生成器让BERT趋向于生成难以判别的隐向量，以达到让BERT生成不包含特定语言信息的隐向量。算法的伪代码如下。

技术图片

对于文档分类任务，模型的损失有三项：任务相关损失\(L_T\)，生成器损失\(L_G\)和判别器损失\(L_D\)。任务相关损失使用交叉熵表示：

\[L_T(y^T;x) = \sum_{i=1}^K -y_i^T\log p(Y=i|x) \p(Y|x) = \text{softmax}(W_T\bar{h}_{\theta}(x)+b_T) \]

其中\(\bar{h}_{\theta}(x)\)是BERT输出的隐向量，\(p(Y|x)\)是\(x\)标签为\(Y\)的概率，\(y_i \in \mathbb{R}^{K \times 1}\)是标签one-hot向量，\(K\)是标签总数。

生成器和判别器损失函数为：

\[L_G(y^A;x) = -(1-y^A)\log p(E=1|x) -y^A\log p(E=0|x) \L_D(y^A;x) = -(1-y^A)\log p(E=0|x) -y^A\log p(E=1|x) \p(E=1|x)=1-p(E=0|x) = \text{sigmoid}(W_D\bar{h}_{\theta}(x) + b_D) \]

其中\(y^A \in \{0,1\}\)表示样本是否为英文，\(p(E=1|x)\)表示样本是英文的概率。

对于实体识别任务，任务相关损失函数是序列标注形式：

\[L_T(y^T;x) = \sum_{i=1}^K\sum_{t=1}^L -y_{it}^T\log p(Y_t=i|x) \]

其中\(t\)表示当前处理的是文本中的第\(t\)个单词。

模型总的参数由三部分：判别器参数\(\theta_D=\{W_D,b_D\}\)，任务参数\(\theta_T=\{\theta,W_T,b_T\}\)，生成器参数\(\theta_G=\{\theta\}\)。在实验中论文依次更新这些参数，更新比例为1:1:1。