在因式分解(factorization)的基礎(chǔ)上，基于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的語言模型在多項基準(zhǔn)上都達(dá)到了當(dāng)前***的水平。盡管 RNN 作為通用近似器有出色的表達(dá)能力，但點積和 Softmax 的組合是否有能力建模條件概率(會隨語境的變化而發(fā)生巨大的變化)，這個問題還沒有得到清楚的解答。

 

在這項工作中，我們從矩陣分解的角度研究了前面提到的基于 Softmax 的循環(huán)語言模型的表達(dá)能力。我們表明使用標(biāo)準(zhǔn)公式學(xué)習(xí)基于 Softmax 的循環(huán)語言模型等價于求解矩陣分解問題。更重要的是，因為自然語言高度依賴于語境，所以被分解的矩陣可能是高秩的(high-rank)。這進(jìn)一步表明帶有分布式(輸出)詞嵌入的基于標(biāo)準(zhǔn) Softmax 的語言模型沒有足夠的能力建模自然語言。我們稱之為 Softmax 瓶頸(Softmax bottleneck)。

 

我們提出了一種解決 Softmax 瓶頸的簡單且有效的方法。具體而言，我們將離散隱變量(discrete latent variable)引入了循環(huán)語言模型，并且將 next-token 概率分布形式化為了 Mixture of Softmaxes(MoS)。Mixture of Softmaxes 比 Softmax 和以前的研究考慮的其它替代方法有更好的表達(dá)能力。此外，我們表明 MoS 可以學(xué)習(xí)有更大的歸一化奇異值(normalized singular values)的矩陣，因此比 Softmax 和基于真實世界數(shù)據(jù)集的其它基準(zhǔn)有高得多的秩。

 

我們有兩大貢獻(xiàn)。首先，我們通過將語言建模形式化為矩陣分解問題而確定了 Softmax 瓶頸的存在。第二，我們提出了一種簡單且有效的方法，可以在當(dāng)前***的結(jié)果上實現(xiàn)顯著的提升。

 

論文地址：https://arxiv.org/pdf/1711.03953.pdf

 

摘要：我們將語言建模形式化了矩陣分解問題，并且表明基于 Softmax 的模型(包括大多數(shù)神經(jīng)語言模型)的表達(dá)能力受限于 Softmax 瓶頸。鑒于自然語言高度依賴于語境，這就進(jìn)一步表明使用分布式詞嵌入的 Softmax 實際上沒有足夠的能力來建模自然語言。我們提出了一種解決這一問題的簡單且有效的方法，并且在 Penn Treebank 和 WikiText-2 上分別將當(dāng)前***的困惑度水平改善到了 47.69 和 40.68。

 

在 PTB 和 WT2 上的語言建模結(jié)果分別在表 1 和表 2 中給出。在參數(shù)數(shù)量差不多的情況下，MoS 的表現(xiàn)超越了所有使用了或沒使用動態(tài)評估(dynamic evaluation)的基準(zhǔn)，并且在當(dāng)前***的基礎(chǔ)上實現(xiàn)了顯著的提升(困惑度改善了高達(dá) 3.6)。 

 

表 1：在 Penn Treebank 的驗證集和測試集上的單個模型困惑度?；鶞?zhǔn)結(jié)果是從 Merity et al. (2017) 和 Krause et al. (2017) 獲得的。† 表示使用了動態(tài)評估。 

 

表 2：在 WikiText-2 上的單個模型困惑度?；鶞?zhǔn)結(jié)果是從 Merity et al. (2017) 和 Krause et al. (2017) 獲得的。† 表示使用了動態(tài)評估。

 

為了進(jìn)一步驗證上面所給出的改善確實源自 MoS 結(jié)構(gòu)，而不是因為增加了額外的隱藏層或找到了一組特定的超參數(shù)，我們在 PTB 和 WT2 上執(zhí)行了 ablation study(是指移除模型和算法的某些功能或結(jié)構(gòu)，看它們對該模型和算法的結(jié)果有何影響)。

 

表 3：在 Switchboard 上的評估分?jǐn)?shù)。 

 

表 4：在 Penn Treebank 和 WikiText-2 上的 ablation study，沒有使用微調(diào)或動態(tài)評估。

 

我們繪制了歸一化的奇異值的累積百分比，即歸一化的奇異值低于某個閾值的百分比。 

 

圖 1：給定 [0,1] 中的一個值，歸一化奇異值的累積百分比。