当前位置:官网首页 > 行业新闻 >

谷歌推最新NLP模型XLNet,二十项任务完胜BERT

智东西(公众号:zhidxcom)
编 | 赵佳蕊

导语:谷歌推出最新NLP模型XLNet在20个NLP任务中胜过了BERT,并在18个任务中取得了当前最佳效果。

智东西6月24日消息,上周三,谷歌大脑和卡内基梅隆大学的一组研究人员推出了最新的AI模型XLNet,它在20个NLP((Natural Language Processing)的任务中胜过了谷歌的BERT(Bidirectional Encoder Representations from Transform),在18个任务中取得了当前最佳效果。BERT是谷歌的语言表示模型,用于无监督预训练自然语言处理。

XLNet在几个任务中的表现都优于BERT,包括7个GLUE语言理解任务,3个像SQuAD这样的阅读理解任务,以及7个文本分类(包括处理Yelp和IMDB数据集)的任务。与BERT相比,XLNet处理文本分类的错误率下降了16%。谷歌在2018年秋天开源了BERT,而真正令人激动的是, XLNet 已经开放了训练代码和大型预训练模型。

一、用自回归和自动编码方法进行无监督预训练

周三,六位作者共同在arXiv(文档收录网站)发布论文。文中表示,通过运用多种技术,XLNet利用了最好的自回归和自动编码的方法进行了无监督预训练。

文章中指出,XLNet是一种广义自回归预训练方法,通过使因子分解所有排列顺序的可能性最大化,去学习双向上下文,并且由于其自回归性,来利用乘法法则对预测token(令牌,代表执行某些操作权利的对象)的联合概率执行因式分解(factorize),这消除了 BERT 中的独立性假设的局限。

二、融合自回归模型 Transformer-XL 的思路

XLNet的名字来源于Transformer-XL,这是同一组研究人员于一月份发布的自回归模型。为了实现节段递归机制和相关编码方案,XLNet采用了Transformer-XL的预训练方法。

同时,XLNet还借鉴了NADE(Neural Autoregressive Distribution Estimation)的训练方法,这个模型是由Google DeepMind、Twitter和学术界的研究人员为NADE排列语言建模方法而创建的。

此前,微软的AI研究人员在五月推出了多任务深层神经网络(MT-DNN),这个模型和BERT结合之后,在许多GLUE(语言理解基准性能)任务上实现了更好的性能。目前,XLNet是最新的NLP模型,它的性能优于BERT,未来也许会有更好的应用。

论文地址:https://arxiv.org/pdf/1906.08237.pdf

开源代码与预训练模型:https://github.com/zihangdai/xlnet

?文章来源:VentureBeat