论文笔记--Multi-Style Generative Reading Comprehension (Masque)

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/sinat_34611224/article/details/89190790

First published on indexfziq.github.io at 2019-04-10 17:00:00

Introduction

目前，本文是MARCO数据集NLG任务的第一名，作者是NTT公司的Nishina等人。文章突破了抽取式阅读理解模型的束缚，采用摘要的方式生成指定风格的答案，这两个突破算是GMRC的一个里程碑。在此篇文章之后，分析选手榜可以发现，沿用此方法的模型也都取得了比较好的效果。还有一点值得一提，本文没有用BERT，只用了Transformer和ELMo，效果就已经很不错了，说明BERT在生成式阅读理解上并不是那么的强大。

Background

本文针对的是MARCO数据集，简单介绍一下该数据集的特点。用一句话来概括就是——开放域、多文档、生成式的大规模阅读理解数据集，问题和答案都来自于真实数据，所有问题的答案都是人类生成的，有一定的答案还需要额外的人工评估，也就是well-formed的答案，这个在我的另一个MARCO分析上有详细的解释。数据集的质量很好，并且是很符合人类查找答案回答问题的过程，因为这个数据集的眼光是看的很远的，在此数据集上训练的模型应该很好地迁移到真实的用户场景中。

Motivation

作者发现，之前在MARCO上刷榜的模型大都是抽取式的模型。S-Net除外，但是先抽取再生成的pipeline框架是有点弱了。并且，现有模型不能根据给定的风格生成相应的答案，论文发现，通常Q&A任务的答案比较简短，NLG任务的答案比较详细。本文想从这两个点入手，提出了两个很新奇的点子：

1. 把生成式阅读理解当作摘要问题来做，生成问题、段落的摘要作为最终的答案。
2. 给定模型风格，训练模型使得其有能力生成相应风格的答案。

Contribution

提出了一个端到端的模型——masque【风格可控的多源头摘要式模型】，模型根据给定的风格生成答案序列，生成词的来源可以是问题、段落和词表。下图是Masque生成答案的可视化样图：

Model

Overview

模型大体是Transformer和PG-Net的组合，并且利用了两个二分类任务来辅助生成答案序列，整个模型的框架如下图所示：

整个模型的输入是问题、所有段落、答案风格，输出是答案序列、段落是否用到的概率分布以及问题是否可回答的概率分布。

一共分为四个部分：

1. The question-passages reader: 建模问题与段落之间的关系；

2. The passage ranker: 找寻与问题相关的段落；

3. The answer possibility classifier: 识别出可回答的问题；

4. The answer sentence decoder: 根据给定的风格生成词序列。

question-passages reader

问题和段落的每个token取其Glove和ELMo词表示串联，因为ELMo是自带位置信息的，因此也就没用Position Embedding，过共享的Highway Net再经过线性映射到d维。把最后得到的向量用x表示。

之后，每个x过一个blocks=3的共享的Transformer Encoder，分别得到问题和段落的表示 $E^q \in {\mathbb R}^{d \times J}$， $E^{p_k}\in {\mathbb R}^{d \times L}$，具体的运算不详细说明了，详见参考文献 [2]。d是词表示的维度，J和L分别是答案和段落的序列长度。这一层作用更多在于语义分析【词法、句法】。

Dual Attention层的运算比较复杂，不过大致是co-attention的运算，详见参考文献 [4]。首先算每个段落与问题的相似度矩阵，然后用相似度矩阵及其转置对问题和段落进行重表示，得到 $G^{q \rightarrow p_k} \in {\mathbb R}^{5d \times J}$， $G^{p_k \rightarrow q}\in {\mathbb R}^{5d \times L}$。这部分更多在于计算交互信息，多角度地观察问题更关注段落的哪些部分。

最后问题和段落分别过blocks=2、blocks=5的Transformer Encoder，进行融合和降维，最终该模块的输出是问题表示 $M^q \in {\mathbb R}^{d \times J}$， $M^{p_k} \in {\mathbb R}^{d \times L}$。

passage ranker

该模块是一个二分类器，输入每个段落初始时刻的隐藏层状态，过一个sigmoid函数得到每个段落与问题的相关程度 ${\beta}^{p_k}$。算出来之后，一用来对段落做二分类，二用来加强段落的表示，这个在Decoder部分还要用到。

answer possibility classifier

该模块也是一个二分类器，输入每个段落初始时刻隐藏层状态的串联，过一个sigmoid函数得到问题是否可回答的概率 $P(a)$。

answer sentence decoder

核心部分，用Transformer代替Seq2Seq，输入词的表示与Encoder端的唯一区别是用的单向ELMo。

之后先过Masked多头Attention，接着分别对问题和段落的表示做多头Attention，最后过一个GLEU前馈。在得到Transformer Decoder的t-th时刻隐藏层状态 $s_t$后，分别对Encoder得到的表示做加法式的Attention。

之后的运算稍微有点复杂，还是上公式吧：

$P^v(y_t)=softmax(W^{2T}(W^1s_t+b^1))$

$P^q(y_t)=\sum_{j:x^q_j=y_t} {\alpha^q_{tj}}$

$P^p(y_t)=\sum_{l:x^{p_k(l)}_l=y_t} {\alpha^q_{tl}}$

这里段落的权重还要继续算一下，用passage ranker得到的每个段落与问题的相关程度再一次加强Attention，用的就是简单的标量乘和归一化。

最后得到PG-Net的联合概率分布：

$P(y_t)=\lambda_v P^v(y_t)+\lambda_qP^q(y_t)+\lambda_pP^p(y_t)$

其中 $\lambda_v,\lambda_q,\lambda_p=softmax(W^m[s_t;c^q_t;c^p_t]+b^m)$。

Training

模型训练的目标函数包括三个部分，decoder端的负对数似然和两个二分类交叉熵。

Experiment

Datasets

文章把数据集做了处理，分成三种：

1. ALL: MS MARCO 2.1
2. ANS: answerable questions
3. WFA: answerable questions and well-formed answers

用来验证三个模块的性能。

作者把实验参数也列举的比较详细，batch大小为80，一共训练8轮，在8个P100型GPU上跑整个MARCO 2.1数据集花了6天，可见模型还是比较庞大的。

Results

本文实验结果在MARCO两个任务上在发表的时候都是最高的，算是MARCO里程碑式的模型。

Analysis

从去除实验可以分析到：

1. 多风格学习改善了生成模型的效果；
2. 基于Transformer的PG-Net改善了生成模型的效果；
3. 辅助任务改善了生成模型的效果。

从上图可以看出，Masque可以有效地控制生成答案序列的风格。

Masque较适合回答 (a) natural language, (b) cloze-style, and © keywords questions这类问题。

Masque对 (d) The Q&A was incorrect. (e) The answers were not consistent
between the styles. (f) Copying from numerical words这类问题解决的不好，或者说模型不是很敏感这类问题。

Conclusion

1. PG-Net较适合生成式阅读理解，把多文档阅读理解看作摘要问题解决；
2. 选择适当的辅助任务，可以提升主任务的效果；
3. 根据给定风格生成相应的答案，值得进一步探索。

References

1. Multi-style Generative Reading Comprehension. Kyosuke Nishida, Itsumi Saito, Kosuke Nishida, Kazutoshi Shinoda, Atsushi Otsuka, Hisako Asano, Junji Tomita, https://arxiv.org/abs/1901.02262
2. Attention Is All You Need. Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin. In NIPS, 2017.
3. Get To The Point: Summarization with Pointer-Generator Networks. Abigail See, Peter J. Liu, Christopher D. Manning. In ACL, 2017.
4. Caiming Xiong, Victor Zhong, and Richard Socher. Dynamic coattention networks for question answering. In International Conference on Learning Representations (ICLR), 2017.
5. Nguyen, T., Rosenberg, M., Song, X., Gao, J., Tiwary, S., Majumder, R., & Deng, L. (2016). MS MARCO: A Human Generated MAchine Reading COmprehension Dataset. CoRR, abs/1611.09268.
6. https://github.com/dfcf93/MSMARCO
7. https://github.com/IndexFziQ/MSMARCO-MRC-Analysis
8. http://msmarco.org/leaders.aspx