怎么理解BiLSTM和CRF算法
导读:本文共4230.5字符,通常情况下阅读需要14分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: 1.前言给定一个句子 "什么是地摊经济",其正确的分词方式是 "什么 / 是 / 地摊 / 经济",每个字对应的分词标签是 "be / s / be / be"。从下面的图片可以看出 LSTM 在做序列标注时的问题。BiLSTM 分词BiLSTM 可以预测出每一个字属于不同标签的概率,然后使用 Soft... ...
目录
(为您整理了一些要点),点击可以直达。1.前言
给定一个句子 "什么是地摊经济",其正确的分词方式是 "什么 / 是 / 地摊 / 经济",每个字对应的分词标签是 "be / s / be / be"。从下面的图片可以看出 LSTM 在做序列标注时的问题。
BiLSTM 分词
BiLSTM 可以预测出每一个字属于不同标签的概率,然后使用 Softmax 得到概率最大的标签,作为该位置的预测值。这样在预测的时候会忽略了标签之间的关联性,如上图中 BiLSTM 把第一个词预测成 s,把第二个词预测成 e。但是实际上在分词时 s 后面是不会出现 e 的,因此 BiLSTM 没有考虑标签间联系。
因此 BiLSTM+CRF 在 BiLSTM 的输出层加上一个 CRF,使得模型可以考虑类标之间的相关性,标签之间的相关性就是 CRF 中的转移矩阵,表示从一个状态转移到另一个状态的概率。假设 CRF 的转移矩阵如下图所示。
CRF 状态转移矩阵
则对于前两个字 "什么",其标签为 "se" 的概率 =0.8×0×0.7=0,而标签为 "be" 的概率=0.6×0.5×0.7=0.21。
因此,BiLSTM+CRF 考虑的是整个类标路径的概率而不仅仅是单个类标的概率,在 BiLSTM 输出层加上 CRF 后,如下所示。
BiLSTM+CRF 分词
最终算得所有路径中,besbebe 的概率最大,因此预测结果为 besbebe。
2.BiLSTM+CRF 模型
CRF 包括两种特征函数,不熟悉的童鞋可以看下之前的文章。第一种特征函数是状态特征函数,也称为发射概率,表示字 x 对应标签 y 的概率。
CRF 状态特征函数
在 BiLSTM+CRF 中,这一个特征函数 (发射概率) 直接使用 LSTM 的输出计算得到,如第一小节中的图所示,LSTM 可以计算出每一时刻位置对应不同标签的概率。
CRF 的第二个特征函数是状态转移特征函数,表示从一个状态 y1 转移到另一个状态 y2 的概率。
CRF 状态转移特征函数
CRF 的状态转移特征函数可以用一个状态转移矩阵表示,在训练时需要调整状态转移矩阵的元素值。因此 BiLSTM+CRF 需要在 BiLSTM 的模型内增加一个状态转移矩阵。在代码中如下。
classBiLSTM_CRF(nn.Module):def__init__(self,vocab_size,tag2idx,embedding_dim,hidden_dim):self.word_embeds=nn.Embedding(vocab_size,embedding_dim)self.lstm=nn.LSTM(embedding_dim,hidden_dim//2,num_layers=1,bidirectional=True)#对应CRF的发射概率,即每一个位置对应不同类标的概率self.hidden2tag=nn.Linear(hidden_dim,self.tagset_size)#转移矩阵,维度等于标签数量,表示从一个标签转移到另一标签的概率self.transitions=nn.Parameter(torch.randn(len(tag2idx),len(tag2idx))
给定句子 x,其标签序列为 y 的概率用下面的公式计算。
p(y|x)
公式中的 score 用下面的式子计算,其中 Emit 对应发射概率 (即 LSTM 输出的概率),而 Trans 对应了转移概率 (即 CRF 转移矩阵对应的数值)
score 的计算公式
BiLSTM+CRF 采用最大似然法训练,对应的损失函数如下:
损失函数
其中 score(x,y) 比较容易计算,而 Z(x) 是所有标签序列 (y) 打分的指数之和,如果序列的长度是 l,标签个数是 k,则序列的数量为 (k^l)。无法直接计算,因此要用前向算法进行计算。
用目前主流的深度学习框架,对 loss 进行求导和梯度下降,即可优化 BiLSTM+CRF。训练好模型之后可以采用 viterbi 算法 (动态规划) 找出最优的路径。
3.损失函数计算
计算 BiLSTM+CRF 损失函数的难点在于计算 log Z(x),用 F 表示 log Z(x),如下公式所示。
我们将 score 拆分,变成发射概率 p 和转移概率 T 的和。为了简化问题,我们假设序列的长度为3,则可以分别计算写出长度为 1、2、3 时候的 log Z 值,如下所示。
上式中 p 表示发射概率,T 表示转移概率,Start 表示开始,End 表示句子结束。F(3) 即是最终得到的 log Z(x) 值。通过对上式进行变换,可以将 F(3) 转成递归的形式,如下。
可以看到上式中每一步的操作都是一样的,操作包括 log_sum_exp,例如 F(1):
首先需要计算 exp,对于所有 y1,计算 exp(p(y1)+T(Start,y1))
求和,对上一步得到的 exp 值进行求和
求 log,对求和的结果计算 log
因此可以写出前向算法计算 log Z 的代码,如下所示:
defforward_algorithm(self,probs):defforward_algorithm(probs):"""probs:LSTM输出的概率值,尺寸为[seq_len,num_tags],num_tags是标签的个数"""#forward_var(可以理解为文章中的F)保存前一时刻的值,是一个向量,维度等于num_tags#初始时只有Start为0,其他的都取一个很小的值(-10000.)forward_var=torch.full((1,num_tags),-10000.0)#[1,num_tags]forward_var[0][Start]=0.0forpinprobs:#probs[seq_len,num_tags],遍历序列alphas_t=[]#alphas_t保存下一时刻取不同标签的累积概率值fornext_taginrange(num_tags):#遍历标签#下一时刻发射next_tag的概率emit_score=p[next_tag].view(1,-1).expand(1,num_tags)#从所有标签转移到next_tag的概率,transitions是一个矩阵,长宽都是num_tagstrans_score=transitions[next_tag].view(1,-1)#next_tag_ver=F(i-1)+p+Tnext_tag_var=forward_var+trans_score+emit_scorealphas_t.append(log_sum_exp(next_tag_var).view(1))forward_var=torch.cat(alphas_t).view(1,-1)terminal_var=forward_var+self.transitions[Stop]#最后转移到Stop表示句子结束alpha=log_sum_exp(terminal_var)returnalpha
4.viterbi 算法解码
训练好模型后,预测过程需要用 viterbi 算法对序列进行解码,感兴趣的童鞋可以参看《统计学习方法》。下面介绍一下 viterbi 的公式,首先是一些符号的意义,如下:
然后可以得到 viterbi 算法的递推公式
最终可以根据 viterbi 计算得到的值,往前查找最合适的序列
</div> <div class="zixun-tj-product adv-bottom"></div> </div> </div> <div class="prve-next-news">
怎么理解BiLSTM和CRF算法的详细内容,希望对您有所帮助,信息来源于网络。