XLNet理解

XLNet理解

XLNet是CMU和谷歌大脑在6月份，提出的一个新的预训练模型。在多个任务的性能超越

Bert.如果你学习过Bert、Transformer、Transformer XL, XLNet论文看起来会简单很多

自回归语言模型 Autoregressive language modeling

自回归语言模型通俗点讲，就是已知上文，预测上文的下一个单词。或者已知下文，预测下文

的上一个单词。用公式描述如下， $x_{<t}$表示上文， $x_t$表示上文的下一个单词，同理 $x_{>t}$。

自回归模型就是要最大化这个概率。自回归语言模型最大的缺点无法同时利用上下文信息

要么利用上文信息、要么利用下文信息。
$p(x)=\prod_{t=1}^Tp(x_t|x_{<t}) \\ p(x)=\prod_{t=T}^1p(x_t|x_{>t})$

自编码语言模型 Autoencoding language modeling

自编码语言模型并不是对上文提到的概率分布建模，而是希望从出错的输入重构原来的输入。

自编码语言模型最典型的就是Bert模型，Bert模型，先mask掉一部分单词，后用余下的部分预测被

mask掉的单词。Bert模型在XLNet论文中别反复强调了两个缺点：

• 预训练阶段，有单词被mask掉了，但是在fine-tuning阶段，所有单词不允许被mask，所以造成了

  模型中的预训练阶段和微调阶段的不匹配。(预训练数据和微调数据的不统一)

• Bert模型在预测一个被mask掉的单词，无法利用另外被mask掉的单词信息。举个例子

  加入输入句子 $[我， 爱， 中， 国]$，假设爱，中mask掉了，则在预测爱的时候，只能利用

  我、国这两个字， $P(爱|我，国)$， 而不能利用中， $P(爱|我，中，国)$因为中被mask掉了

排列语言模型 Permutation Language Modeling

排列语言模型，我认为是论文中最重要的创新点。上文提到的自回归模型无法同时编码上文和下文信息，

为了克服自回归模型的这个缺点，XLNet提出了排列语言模型。如下图举例所示。假设输入的序列是

[1,2,3,4], 排列共有4x3x2=24种。选其中的四种分别为[3,2,4,1],[2,4,3,1],[1,4,2,3],

[4,3,1,2]。在预测位置3的单词时，第一种排列看不到任何单词，第二种排列能看到[2,4]

第三种排列能看到[1,2,4],第四种排列能看到[4],所以预测位置3的单词时，不仅能看到上文

[1,2],也能看到下文的[4]。所以XLNet模型能同时编码上下文信息。

编码预测单词的位置

上面提出的排列语言模型，在实现过程中，会存在一个问题，举个例子，还是输入序列[1, 2, 3, 4]

肯定会有如下的排列[1, 2, 3, 4], [1,2,4,3]

第一个排列预测位置3，得到如下公式 $P(3|1,2)$

第二个排列预测位置4,得到如下公式 $P(4|1,2)$

这会造成预测出位置3的单词和位置4的单词是一样的，尽管它们所在的位置不同。

论文中的公式解释如下

[外链图片转存失败(img-hflMBgVc-1562681116083)(https://raw.githubusercontent.com/zyxdSTU/Image/master/xlnet.PNG)]

所以XLNet在预测单词的时候，把位置信息编码进去了。

双流自注意力机制

模型的实现过程中还有两点要求

• 在预测当前单词的时候，只能使用当前单词的位置信息，不能使用单词的内容信息。
• 在预测其他单词的时候，可以使用当前单词的内容信息

为了满足同时这两个要求，XLNet提出了双流自注意力机制

• 内容流

  预测其他单词时，使用自己的内容信息( $h_1^{(0)}$)

  

• 查询流

  预测当前单词时，不能使用当前单词内容信息( $h_1^{(0)}$)

  

• 总的流程图

  

在fine-tuning阶段，只需要把隐状态向量 $h$作为输出，用于下游任务

参考

XLNet paper

最通俗易懂的XLNET详解

XLNet运行机制及和Bert的异同比较

ticle/details/93196139)

XLNet运行机制及和Bert的异同比较