谷歌推最新NLP模型XLNet,二十项任务完胜BERT

栏目: 编程工具 · 发布时间: 5年前

内容简介:智东西(公众号:zhidxcom)编 | 赵佳蕊

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


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Linux/Unix设计思想

Linux/Unix设计思想

甘卡兹 / 漆犇 / 人民邮电出版社 / 2012-3-28 / 39.00元

《Linux\Unix设计思想/图灵程序设计丛书》内容简介:将Linux的开发方式与Unix的原理有效地结合起来,总结出Linux与Unix软件开发中的设计原则。《Linux\Unix设计思想/图灵程序设计丛书》前8章分别介绍了Linux与Unix中9条基本的哲学准则和10条次要准则。第9章和第10章将Unix系统的设计思想与其他系统的设计思想进行了对比。最后介绍了Unix哲学准则在其他领域中的应......一起来看看 《Linux/Unix设计思想》 这本书的介绍吧!

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

SHA 加密
SHA 加密

SHA 加密工具