上下文嵌入(Bert词向量)： 什么时候值得用？
ACL 2018
预训练词向量 (上下文嵌入Bert，上下文无关嵌入Glove, 随机)详细分析文章
1 背景
图1 Bert
| 优点 | 效果显著 |
| 缺点 | 成本昂贵 (Memory，Time, Money) (GPT-3，1700亿的参数量) |
| 困惑 | 线上环境，资源受限（内存 CPU GPU） bert不一定是最佳 选择 用word2vec, glove等词向量有时候也能取得近似效果 但什么时候可以近似，需要实验说明，于是作者设计了实验 |
2 三种词向量
图2 三种词向量
| 类型 | 说明 | 实验 |
|---|---|---|
| 上下文词嵌入 | BERT XLNet | 作者实验中选BERT 768维 |
| 上下文词无关嵌入 | Glove Word2Vec FastText | 作者实验中选Glove 300维 |
| 随机嵌入 | n*d矩阵 (n是词汇量， d是嵌入维度) | 作者实验中选循环随机嵌入 800维, 空间复杂度O(nd) => O(n) |
3 实验和结论
| 任务 | 模型 |
|---|---|
| 命名实体识别 (NER) | BiLSTM |
| 情感分析 (sentiment analysis) | TextCNN |
3.1 影响因素一：训练数据规模
图3 影响因素一：训练数据规模 01
图4 影响因素一：训练数据规模 02
在许多任务中，供充足的数据，GloVe这些词向量可匹配BERT
3.2 影响因素二：语言的特性
3.2.1 Complexity of setence structure
NER: 实体占据几个token （George Washington）
图5 NER中的句子复杂度
Sentiment analysis：句子依存分析中依赖标记对之间的平均距离
图6 Sentiment analysis中的句子复杂度
3.2.2 Ambiguity in word usage
NER: 实体有几个标签（George Washington可以作为人名、地名、组织名）
图7 NER中的句子模糊度
Sentiment analysis：
egin{array}{l}
Hleft( {frac{1}{{left| S
ight|}}sumlimits_{w in S} {pleft( { + 1left| w
ight.}
ight)} }
ight)
{
m{where }}Hleft( p
ight) = - p{log _2}left( p
ight) - left( {1 - p}
ight){log _2}left( {1 - p}
ight)
end{array}
图8 Sentiment analysis中的句子模糊度
3.2.3 Prevalence of unseen words
NER: token出现次数得倒数
图9 NER中的未登录词流行度
Sentiment analysis：
给定一个句子，句子中未在训练集中出现token占比
图10 Sentiment analysis中未登录词流行度
图11 Bert和随机向量对比
图12 Bert和Glove对比
文本结构复杂度高和单词歧义性方面: BERT更好
未登录词方面: GloVe 更好
总结
大量训练数据和简单语言的任务中，考虑算力和设备等，GloVe 代表的 Non-Contextual embeddings 是个不错的选择
对于文本复杂度高和单词语义歧义比较大的任务，BERT代表的 Contextual embeddings 有明显的优势。
未登录词方面: GloVe 更好