上下文嵌入(Bert詞向量)： 什麼時候值得用？
ACL 2018
預訓練詞向量 (上下文嵌入Bert，上下文無關嵌入Glove, 隨機)詳細分析文章
1 背景
圖1 Bert
| 優點 | 效果顯著 |
| 缺點 | 成本昂貴 (Memory，Time, Money) (GPT-3，1700億的引數量) |
| 困惑 | 線上環境，資源受限（記憶體 CPU GPU） bert不一定是最佳 選擇 用word2vec, glove等詞向量有時候也能取得近似效果 但什麼時候可以近似，需要實驗說明，於是作者設計了實驗 |
2 三種詞向量
圖2 三種詞向量
| 型別 | 說明 | 實驗 |
|---|---|---|
| 上下文詞嵌入 | BERT XLNet | 作者實驗中選BERT 768維 |
| 上下文詞無關嵌入 | Glove Word2Vec FastText | 作者實驗中選Glove 300維 |
| 隨機嵌入 | n*d矩陣 (n是詞彙量， d是嵌入維度) | 作者實驗中選迴圈隨機嵌入 800維, 空間複雜度O(nd) => O(n) |
3 實驗和結論
| 任務 | 模型 |
|---|---|
| 命名實體識別 (NER) | BiLSTM |
| 情感分析 (sentiment analysis) | TextCNN |
3.1 影響因素一：訓練資料規模
圖3 影響因素一：訓練資料規模 01
圖4 影響因素一：訓練資料規模 02
在許多工中，供充足的資料，GloVe這些詞向量可匹配BERT
3.2 影響因素二：語言的特性
3.2.1 Complexity of setence structure
NER: 實體佔據幾個token （George Washington）
圖5 NER中的句子複雜度
Sentiment analysis：句子依存分析中依賴標記對之間的平均距離
圖6 Sentiment analysis中的句子複雜度
3.2.2 Ambiguity in word usage
NER: 實體有幾個標籤（George Washington可以作為人名、地名、組織名）
圖7 NER中的句子複雜度
Sentiment analysis：
\begin{array}{l}
H\left( {\frac{1}{{\left| S \right|}}\sum\limits_{w \in S} {p\left( { + 1\left| w \right.} \right)} } \right) \
{\rm{where }}H\left( p \right) = - p{\log _2}\left( p \right) - \left( {1 - p} \right){\log _2}\left( {1 - p} \right) \
\end{array}
圖8 Sentiment analysis中的句子複雜度
3.2.3 Prevalence of unseen words
NER: token出現次數得倒數
圖9 NER中的句子複雜度
Sentiment analysis：
給定一個句子，句子中未在訓練集中出現token佔比
圖10 Sentiment analysis中的句子複雜度
圖11 Bert和隨機向量對比
圖12 Bert和Glove對比
文字結構複雜度高和單詞歧義性方面: BERT更好
未登入詞方面: GloVe 更好
總結
大量訓練資料和簡單語言的任務中，考慮算力和裝置等，GloVe 代表的 Non-Contextual embeddings 是個不錯的選擇
對於文字複雜度高和單詞語義歧義比較大的任務，BERT代表的 Contextual embeddings 有明顯的優勢。
未登入詞方面: GloVe 更好