BiLSTM-CRF模型理解

本文轉載自查看原文 2019-09-21 14:40 2227 NLP/ Deep Learning

適用任務

中文分詞、詞性標注、命名實體識別是自然語言理解中，基礎性的工作，同時也是非常重要的工作。

在很多NLP的項目中，工作開始之前都要經過這三者中的一到多項工作的處理。

在深度學習中，有一種模型可以同時勝任這三種工作，而且效果還很不錯--那就是biLSTM_CRF。

biLSTM，指的是雙向LSTM；CRF指的是條件隨機場。

一些說明

以命名實體識別為例，我們規定在數據集中有兩類實體，人名和組織機構名稱。

在數據集中總共有5類標簽：

B-Person （人名的開始部分）

I- Person （人名的中間部分）

B-Organization （組織機構的開始部分）

I-Organization （組織機構的中間部分）

O （非實體信息）

此外，假設x 是包含了5個單詞的一句話（w0,w1,w2,w3,w4）。

在句子x中[w0,w1]是人名，[w3]是組織機構名稱，其他都是“O”。

BiLSTM-CRF 模型

先來簡要的介紹一下該模型。

如下圖所示：

首先，句中的每個單詞是一條包含詞嵌入和字嵌入的詞向量，詞嵌入通常是事先訓練好的，字嵌入則是隨機初始化的。所有的嵌入都會隨着訓練的迭代過程被調整。

其次，BiLSTM-CRF的輸入是詞嵌入向量，輸出是每個單詞對應的預測標簽。

如下圖所示，BiLSTM層的輸入表示該單詞對應各個類別的分數。如W0，BiLSTM節點的輸出是1.5 (B-Person), 0.9 (I-Person), 0.1 (B-Organization), 0.08 (I-Organization) and 0.05 (O)。這些分數將會是CRF層的輸入。所有的經BiLSTM層輸出的分數將作為CRF層的輸入，類別序列中分數最高的類別就是我們預測的最終結果。

如果沒有CRF層會是什么樣

即使沒有CRF層，我們照樣可以訓練一個基於BiLSTM的命名實體識別模型，如下圖所示。

因為BiLSTM模型的結果是單詞對應各類別的分數，我們可以選擇分數最高的類別作為預測結果。如W0，“B-Person”的分數最高（1.5），那么我們可以選定“B-Person”作為預測結果。同樣的，w1是“I-Person”, w2是“O”,w3是 “B-Organization” ，w4是 “O”。

盡管我們在該例子中得到了正確的結果，但實際情況並不總是這樣：

顯然，這次的分類結果並不准確。

CRF層可以學習到句子的約束條件

CRF層可以加入一些約束來保證最終預測結果是有效的。這些約束可以在訓練數據時被CRF層自動學習得到。

可能的約束條件有：

句子的開頭應該是“B-”或“O”，而不是“I-”。
“B-label1 I-label2 I-label3…”，在該模式中，類別1,2,3應該是同一種實體類別。比如，“B-Person I-Person” 是正確的，而“B-Person I-Organization”則是錯誤的。
“O I-label”是錯誤的，命名實體的開頭應該是“B-”而不是“I-”。

有了這些有用的約束，錯誤的預測序列將會大大減少。

CRF 層

CRF層中的損失函數包括兩種類型的分數，而理解這兩類分數的計算是理解CRF的關鍵。

1 Emission score

第一個類型的分數是發射分數（狀態分數）。這些狀態分數來自BiLSTM層的輸出，在這里就是word預測為某個標簽的概率。如下圖所示，w0被預測為B-Person的分數是1.5.

為方便起見，我們給每個類別一個索引，如下表所示：

Xiyj代表狀態分數，i是單詞的位置索引，yj是類別的索引。根據上表，

表示單詞w1被預測為B−Organization的分數是0.1。

2 轉移分數

用tyiyj來表示轉移分數。例如，tB−Person,I−Person=0.9表示從類別B−Person→I−Person的分數是0.9。因此，有一個所有類別間的轉移分數矩陣。

為了使轉移分數矩陣更具魯棒性，我們加上START 和 END兩類標簽。START代表一個句子的開始（不是句子的第一個單詞），END代表一個句子的結束。

下表是加上START和END標簽的轉移分數矩陣。

如上表格所示，轉移矩陣已經學習到一些有用的約束條件：

句子的第一個單詞應該是“B-” 或 “O”，而不是“I”。（從“START”->“I-Person 或 I-Organization”的轉移分數很低）
“B-label1 I-label2 I-label3…”，在該模式中，類別1,2,3應該是同一種實體類別。比如，“B-Person I-Person” 是正確的，而“B-Person I-Organization”則是錯誤的。（“B-Organization” -> “I-Person”的分數很低）
“O I-label”是錯誤的，命名實體的開頭應該是“B-”而不是“I-”。

要怎樣得到這個轉移矩陣呢？

實際上，轉移矩陣是BiLSTM-CRF模型的一個參數。在訓練模型之前，你可以隨機初始化轉移矩陣的分數。這些分數將隨着訓練的迭代過程被更新，換句話說，CRF層可以自己學到這些約束條件。

CRF損失函數

CRF損失函數由兩部分組成，真實路徑的分數和所有路徑的總分數。真實路徑的分數應該是所有路徑中分數最高的。

例如，數據集中有如下幾種類別：

一個包含5個單詞的句子，可能的類別序列如下：

1. START B-Person B-Person B-Person B-Person B-Person END
2. START B-Person I-Person B-Person B-Person B-Person END
…..
10. START B-Person I-Person O B-Organization O END
N. O O O O O O O

每種可能的路徑的分數為Pi，共有N條路徑，則路徑的總分是

，e是常數e。

如果第十條路徑是真實路徑，也就是說第十條是正確預測結果，那么第十條路徑的分數應該是所有可能路徑里得分最高的。

根據如下損失函數，在訓練過程中，BiLSTM-CRF模型的參數值將隨着訓練過程的迭代不斷更新，使得真實路徑所占的比值越來越大。

現在的問題是:

怎么定義路徑的分數？
怎么計算所有路徑的總分？
當計算所有路徑總分時，是否需要列舉出所有可能的路徑？（答案是不需要）

真實路徑分數

計算真實路徑分數，e^Si，是非常容易的。

我們先集中注意力來計算Si：

以“START B-Person I-Person O B-Organization O END”這條真實路徑來說：

句子中有5個單詞，w1,w2,w3,w4,w5，加上START和END 在句子的開始位置和結束位置，記為，w0，w6

Si = EmissionScore + TransitionScore

這些分數來自BiLSTM層的輸出，至於x0,START 和x6,END ，則設為0。

這些分數來自於CRF層，將這兩類分數加和即可得到Si 和路徑分數e^Si

所有路徑的總分

如何計算所有路徑的總分呢？以一個玩具的例子詳細講解。

Step 1

我們定義的損失函數如下：

現在我們把它變成對數損失函數：

訓練目標通常是最小化損失函數，加負號：

前面我們已經很清楚如何計算真實路徑得分，現在我們需要找到一個方法去計算

Step 2：回憶一下狀態分數和轉移分數

為了簡化問題，假定我句子只有3個單詞組成：

X = [w0, w1 ,w2]

只有兩個類別：

LabelSet = {l1, l2}

狀態分數如下：

轉移矩陣如下：

Step 3：

目標是：

整個過程是一個分數的積聚過程。它的實現思想有點像動態規划。首先，w0所有路徑的總分先被計算出來，然后，計算w0 -> w1的所有路徑的得分，最后計算w0 -> w1 -> w2的所有路徑的得分，也就是我們需要的結果。

接下來，會看到兩個變量：obs和 previous。Previous存儲了之前步驟的結果，obs代表當前單詞所帶的信息。

如果句子只有一個單詞，就沒有之前步驟的結果，所以Previous 是空。只能觀測到狀態分數 obs =【x01，x02】

W0 的所有路徑總分就是：

為啥要擴展previous 和 obs 矩陣呢？因為這樣操作可以是接下來的計算相當高效。

實際上，第二次迭代過程也就完成了。

發現了嗎，這其實就是我們的目標，

讀到這邊，差不多就大功告成了。這一步，我們再重復一次之前的步驟。

跟上一步驟一樣，用新的previous計算總分：

們最終得到了我們的目標，

，我們的句子中共有3個單詞和兩個類別，所以共有8條路徑。

biLSTM_CRF模型在tensorflow中的實現。

運行環境

python 3.6
tensorflow 1.2
本文GITHUB 歡迎Star和Fork。
使用同樣方法，構造的中文分詞。中文分詞GITHUB

正文

1.數據預處理
2.模型構建
3.模型訓練與測試
4.模型驗證
5.總結

1.數據預處理

首先是將預測數據進行處理，轉成模型能夠識別的數字。

數據原格式

數據是以列形式存儲，截圖翻轉了一下。

我從訓練文本中，抽取頻數在前5000的字，實際只抽取到了4830左右個字。加入'<PAD>','<UNK>','<NUM>'，分別表示填充字符，未知字符，數字字符。一起存入字典。

字典

標簽同樣也有對應的字典。

# 將tag轉換成數字
tag2label = {"O": 0, "B-PER": 1, "I-PER": 2, "B-LOC": 3, "I-LOC": 4, "B-ORG": 5, "I-ORG": 6}

依據字典與標簽字典，將文字與標簽分別轉成數字。第一行是文本，第二行是標簽。

文本與標簽

下一步是生成batch的操作。
生成batch后，需要對batch內句子padding到統一的長度，並計算每句的真實長度。

2.模型構建

采用雙向LSTM對序列進行處理，將輸出結果進行拼接。輸入shape[batch,seq_Length,hidden_dim]，輸出shape[batch,seq_length,2*hidden_dim]。

        with tf.name_scope('biLSTM'): cell_fw = tf.nn.rnn_cell.LSTMCell(pm.hidden_dim) cell_bw = tf.nn.rnn_cell.LSTMCell(pm.hidden_dim) outputs, outstates = tf.nn.bidirectional_dynamic_rnn(cell_fw=cell_fw, cell_bw=cell_bw,inputs=self.embedding, sequence_length=self.seq_length, dtype=tf.float32) outputs = tf.concat(outputs, 2)#將雙向RNN的結果進行拼接 #outputs三維張量，[batchsize,seq_length,2*hidden_dim]

我們從本文的第一幅圖中，可以看出，整個biLSTM完整的輸出格式是[batch,seq_length,num_tag]。num_tag是標簽的數量，本實驗中是標簽數量是7。所以我們需要一個全連接層，將輸出格式處理一下。

        with tf.name_scope('output'): s = tf.shape(outputs) output = tf.reshape(outputs, [-1, 2*pm.hidden_dim]) output = tf.layers.dense(output, pm.num_tags) output = tf.contrib.layers.dropout(output, pm.keep_pro) self.logits = tf.reshape(output, [-1, s[1], pm.num_tags])

self.logits就是需要輸入CRF層中的數據。代碼的第三行，對output的變形，表示將[batch,seq_length,2hidden_dim]變成[batchseq_length,2*hidden_dim]，最后處理時再變形為[batch,seq_length,num_tag]。
下面就是CRF層的處理：

        with tf.name_scope('crf'): log_likelihood, self.transition_params = crf_log_likelihood(inputs=self.logits, tag_indices=self.input_y, sequence_lengths=self.seq_length) # log_likelihood是對數似然函數，transition_params是轉移概率矩陣 #crf_log_likelihood{inputs:[batch_size,max_seq_length,num_tags], #tag_indices:[batchsize,max_seq_length], #sequence_lengths:[real_seq_length] #transition_params: A [num_tags, num_tags] transition matrix #log_likelihood: A scalar containing the log-likelihood of the given sequence of tag indices.

這一步，是調用from tensorflow.contrib.crf import crf_log_likelihood函數，求最大似然函數，以及求轉移矩陣。最大似然函數前加上"-"，可以用梯度下降法求最小值；

        with tf.name_scope('loss'): self.loss = tf.reduce_mean(-log_likelihood) #最大似然取負，使用梯度下降

轉移矩陣可以幫助維特比算法來求解最優標注序列。

    def predict(self, sess, seqs): seq_pad, seq_length = process_seq(seqs) logits, transition_params = sess.run([self.logits, self.transition_params], feed_dict={self.input_x: seq_pad, self.seq_length: seq_length, self.keep_pro: 1.0}) label_ = [] for logit, length in zip(logits, seq_length): #logit 每個子句的輸出值，length子句的真實長度，logit[:length]的真實輸出值 # 調用維特比算法求最優標注序列 viterbi_seq, _ = viterbi_decode(logit[:length], transition_params) label_.append(viterbi_seq) return label_