BERT: Language Model for Context Learning

BERT 全名为 Bidrectional Encoder Representations from Transformers, 是 Google 以无监督的方式利用大量无标注文本生成的语言代表模型，其架构为 Transforer 中的 Encoder.

BERT 是 Transformer 中的 Encoder, 只是有很多层 (图片来源]

以前在处理不同的 NLP 任务通常需要不同的 Language Model (LM)，而设计这些模型并测试其性能需要不少的人力，时间以及计算资源。 BERT 模型就在这种背景下应运而生，我们可以将该模型套用到多个 NLP 任务，再以此为基础 fine tune 多个下游任务。fine tune BERT 来解决下游任务有5个简单的步骤：

准备原始文本数据
将原始文本转化成 BERT 相容的输入格式
利用 BERT 基于微调的方式建立下游任务模型
训练下游任务模型
对新样本做推论

那 BERT 模型该怎么用呢，thanks to 开源精神，BERT 的作者们已经开源训练好的模型，我们只需要使用 TensorFlow or PyTorch 将模型导入即可。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


import torch
from transformers import BertTokenizer
from IPython.display import clear_output

PRETRAINED_MODEL_NAME = "bert-base-chinese"  # 指定简繁中文 BERT-BASE 预训练模型

# 取得此预训练模型所使用的 tokenizer
tokenizer = BertTokenizer.from_pretrained(PRETRAINED_MODEL_NAME)

clear_output()

上述代码选用了有 12 层 layers 的 BERT-base, 当然你还可以在 Hugging Face 的 repository 找到更多关于 BERT 的预训练模型：

bert-base-chinese
bert-base-uncased
bert-base-cased
bert-base-german-cased
bert-base-multilingual-uncased
bert-base-multilingual-cased
bert-large-cased
bert-large-uncased
bert-large-uncased-whole-word-masking
bert-large-cased-whole-word-masking

这些模型的区别主要在于：

预训练步骤使用的文本语言
有无分大小写
模型层数
预训练时遮住 wordpieces 或是整个 word

接下来我就简单的介绍一个情感分类任务来帮大家联系 BERT 的 fine tune

准备原始文本数据

首先加载我们需要用到的库：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import cross_val_score
import torch
import transformers as tfs
import warnings

warnings.filterwarnings('ignore')

然后加载数据集，本文采用的数据集是斯坦福大学发布的一个情感分析数据集SST，其组成成分来自于电影的评论。

1
2
3
4
5


train_df = pd.read_csv('https://github.com/clairett/pytorch-sentiment-classification/raw/master/data/SST2/train.tsv', delimiter='\t', header=None)

train_set = train_df[:3000]   #取其中的3000条数据作为我们的数据集
print("Train set shape:", train_set.shape)
train_set[1].value_counts()   #查看数据集中标签的分布

得到输出如下：

1
2
3
4


Train set shape: (3000, 2)
1    1565
0    1435
Name: 1, dtype: int64

可以看到积极与消极的标签对半分。

这是数据集的部分内容：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


																							0					1
0	a stirring , funny and finally transporting re...			1
1	apparently reassembled from the cutting room f...			0
2	they presume their audience wo n't sit still f...			0
3	this is a visually stunning rumination on love...			1
4	jonathan parker 's bartleby should have been t...			1
...	...	...
6915	painful , horrifying and oppressively tragic ,...	1
6916	take care is nicely performed by a quintet of ...	0
6917	the script covers huge , heavy topics in a bla...	0
6918	a seriously bad film with seriously warped log...	0
6919	a deliciously nonsensical comedy about a city ...	1

将原始文本转化成 BERT 相容的输入格式

我们对原来的数据集进行一些改造，分成 batch_size 为 64 大小的数据集，以便模型进行批量梯度下降

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


sentences = train_set[0].values
targets = train_set[1].values
train_inputs, test_inputs, train_targets, test_targets = train_test_split(sentences, targets)

batch_size = 64
batch_count = int(len(train_inputs) / batch_size)
batch_train_inputs, batch_train_targets = [], []
for i in range(batch_count):
    batch_train_inputs.append(train_inputs[i*batch_size : (i+1)*batch_size])
    batch_train_targets.append(train_targets[i*batch_size : (i+1)*batch_size])

利用 BERT 基于微调的方式建立下游任务模型

在这里我们采取 fine-tuned 使得 Bert 与线性层一起参与训练，反向传播会更新二者的参数，使得 Bert 模型更适合这个分类任务。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


class BertClassificationModel(nn.Module):
   def __init__(self):
       super(BertClassificationModel, self).__init__()   
       model_class, tokenizer_class, pretrained_weights = (tfs.BertModel, tfs.BertTokenizer, 'bert-base-uncased')         
       self.tokenizer = tokenizer_class.from_pretrained(pretrained_weights)
       self.bert = model_class.from_pretrained(pretrained_weights)
       self.dense = nn.Linear(768, 2)  #bert默认的隐藏单元数是768， 输出单元是2，表示二分类
       
   def forward(self, batch_sentences):
       batch_tokenized = self.tokenizer.batch_encode_plus(batch_sentences, add_special_tokens=True,
                               max_len=66, pad_to_max_length=True)      #tokenize、add special token、pad
       input_ids = torch.tensor(batch_tokenized['input_ids'])
       attention_mask = torch.tensor(batch_tokenized['attention_mask'])
       bert_output = self.bert(input_ids, attention_mask=attention_mask)
       bert_cls_hidden_state = bert_output[0][:,0,:]       #提取[CLS]对应的隐藏状态
       linear_output = self.dense(bert_cls_hidden_state)
       return linear_output

4.训练下游任务模型

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


#train the model
epochs = 3
lr = 0.01
print_every_batch = 5
bert_classifier_model = BertClassificationModel()
optimizer = optim.SGD(bert_classifier_model.parameters(), lr=lr, momentum=0.9)
criterion = nn.CrossEntropyLoss()

for epoch in range(epochs):
    print_avg_loss = 0
    for i in range(batch_count):
        inputs = batch_train_inputs[i]
        labels = torch.tensor(batch_train_targets[i])
        optimizer.zero_grad()
        outputs = bert_classifier_model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
        
        print_avg_loss += loss.item()
        if i % print_every_batch == (print_every_batch-1):
            print("Batch: %d, Loss: %.4f" % ((i+1), print_avg_loss/print_every_batch))
            print_avg_loss = 0

对新样本做推论

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# eval the trained model
total = len(test_inputs)
hit = 0
with torch.no_grad():
    for i in range(total):
        outputs = bert_classifier_model([test_inputs[i]])
        _, predicted = torch.max(outputs, 1)
        if predicted == test_targets[i]:
            hit += 1

print("Accuracy: %.2f%%" % (hit / total * 100))

预测结果如下：

1

Accuracy: 82.27%

由此可见，经过微调后的模型效果还不错。

好了，这篇 blog 就讲到这里吧。

我是 Anthony, 我们下次再见.

参考文章：