之前看过TCN，稍微了解了一下语言模型，这篇论文也是对语言模型建模，但是由于对语言模型了解不深，一些常用数据处理方法，训练损失的计算包括残差都没有系统的看过，只是参考网上代码对论文做了粗浅的复现。开学以来通过看的几篇论文及复现基本掌握了tensorflow的基本使用，了解了「数据处理-模型构建-训练「的处理问题基本流程，但是随著看论文的增多发现理论基础严重薄弱，以后应该会一边补理论一边看论文...

一.论文简介

来源：没...没找到

题目：Language Modeling with Gated Convolutional Networks

原文链接：arxiv.org/pdf/1612.0808

参考代码：anantzoid/Language-Modeling-GatedCNN

之前语言模型的主流方法都是基于RNN，本篇论文提出了一种新颖的门控机制，结合CNN网路应用到语言模型。该网路包含多层，与经典语法形式相似，能分层次地分析输入，构建了增加粒度的句法树结构。与RNN逐个处理输入序列不同，CNN可以实现并行计算，大大加快训练速度。并且分层结构也简化了学习，与RNN的链结构相比，非线性计算数量减少，从而减轻了消失梯度问题。

二.网路架构

所谓的门限卷积，其核心在于为卷积的激活值添加一个门限开关，来决定其有多大的概率传到下一层去。下面一步步对上图进行解析。

1.将单词embedding到连续空间，即上图中的第二部分Lookup Table。这样，单词序列就能表现为矩阵了。

2.然后是卷积操作，与普通卷积不同，门限卷积在这里分为两部分，一部分是卷积激活值，即B，该处与普通卷积的不同在于没有用Tanh，而是直接线性，但会经过一个sigmoid运算符。另一部分是门限值，即A，A也是直接线性得到。在做卷积的时候，需要不让第i个输出值看到i以后的输入值。这是由语言模型的特性决定的，需要用i之前的信息来预测i。为了达到这样的效果，需要将输入层偏移k - 1个单位，其中k是卷积的宽度，偏移后开头空缺的部分就用0进行padding。

3.接下来是门限单元，A和sigmoid(B)进行element-wise的相乘，得到卷积后的结果。卷积单元和门限单元加起来形成一个卷积层（作者在具体实现里将卷积和门控单元放在一起，形成residual block）。

注意，LSTM中有input门和forget门两种，这两种缺一则会导致有些信息的缺失。而卷积中，作者经过实验，提出不需要forget gate。此外，作者对两种门控机制GTU和GLU做了比较：

GTU
GLU

作者从梯度的角度对两种门控单元进行了分析，发现GTU会衰减的比较快，因为其梯度公式中包含两个衰减项。而GLU只有一个衰减项，可以较好地减轻梯度弥散。

4.经过多个这样的卷积层之后，再将其输入到softmax中，得到最后的预测。作者提出，在最后的softmax层，普通的softmax会因为词表巨大而非常低效。因而选用adaptive softmax。adaptive softmax可以为高频词分配更多的空间而给低频次分配比较少的空间。

三.实验

使用Google Billion Word和WikiText-103两种数据集，将perplexity作为衡量结果。使用Nesterov』s momentum演算法来训练，momentum设为0.99，作者还使用了weight normalization和gradient clipping来加速收敛。

实验结果如下：

性能测试：

作者使用Throughput和Responsiveness作为衡量标准，Throughput是指在并行化条件下最大输出，Responsiveness是指序列化的处理输入。由表可知，CNN本身的处理速度非常快。而LSTM在并行化后也能拥有很高的速度。究其原因，是在cuDNN中对LSTM有特别的优化，而对1-D convolution却没有。但即便如此，CNN仍然完胜。

门限测试：

非线性模型测试：

context size测试：

训练测试：

四.总结

这篇文章提出了一种基于卷积神经网路的新颖的门限机制，将其应用到语言模型。与循环神经网路相比，卷积神经网路局部性的特点使得其可以在词序列中进行并行训练，提高了处理的速度，并且分层结构也简化了学习，与RNN的链结构相比，非线性计算数量减少，从而减轻了消失梯度问题，加快了模型的收敛速度。

问题：

主要是针对参考代码的实现有一些疑问。

论文中作者提到，在做卷积的时候，需要不让第i个输出值看到i以后的输入值。这是由语言模型的特性决定的，需要用i之前的信息来预测i。为了达到这样的效果，需要将输入层偏移k - 1个单位，其中k是卷积的宽度，偏移后开头空缺的部分就用0进行padding。代码作者实现的时候在句子开头增加了（k/2）个padding，然后在卷积的时候采用「SAME」模式，这与原文中处理方式不同，并且我认为这样处理是有问题的，这个问题这里有提到，后面对残差部分的修改比较符合我的认知。其次对于代码作者对数据进行分割的方法，在embedding层加mask的方法都不是很理解，不知道针对语言模型问题，数据处理和卷积一般都是怎么操作的，以后慢慢熟悉...

参考：

Language Modeling with Gated Convolutional Networks(句子建模之门控CNN）--模型简介篇

《Language Modeling with Gated Convolutional Networks》阅读笔记

Language Modeling with Gated Convolutional Networks

gated cnn语言模型笔记


推荐阅读：
相关文章