【自然語言處理】Longformer 中文長文本 RoBERTa 模型 – 新聞分類實作

瀏覽次數: 3,614

使用 pre-trained model BERT 進行各種 NLU 下游任務 fine-tuning 時，會有輸入限制 512 字符的限制，真實世界文章往往超過這個長度，因此如何應用 BERT 到長文本上是一個重要的議題。

我在搜集資料時，找到此篇文章整理了 3 種克服方式：

截斷法：就是很直觀的取其中的 512 字符輸入，也是已知最常用的暴力解
- head 截斷：從頭開始保留限制的 token 數
- tail 截斷：從文本末端往前擷取
- head + tail 截斷：開頭和結尾各保留一部分
Pooling 法
- 把長文本分成多個 512 字以內的 segments (段落)，對每個段落都轉換為 BERT Embedding 再對 [CLS] 進行 max-pooling （比 mean-pooling 推薦，因為 max-pooling 會保留突出的特徵，而 mean-pooling 會將特徵打平，原本的特徵已經很稀疏，打平更會減弱特徵效果。）
- 作者提到這種方法的缺點：拆分文本的方式會考慮不到長距離字符之間的上下文關聯，因為他們被拆開到不同 segment 沒辦法進行 attention
壓縮法
- 按照句子分成多個 segments，接著用規則或單獨訓練一個模型的方式來排除一些權重較低的 segments
- 和 Pooling 法一樣有無法考慮長距離關聯的問題

另一文章也提到，BERT 之所以難以處理長文本，是因為傳統 Transformer-based 模型採用「全連接」的 Attention 機制，每一token都要和另一token組合，attention的時間&空間複雜度高達 O(n^2)。

後續針對長文本的處理所提出的新模型算法，以下這 2 個都算是使用到「限制Attention範圍」的概念來降低前述提及的複雜度：

這篇我們以介紹 Longformer 為主。

發表單位：Allen AI
發表時間：2020 年
是否開源代碼：Yes
論文亮點：
- 一種可高效處理長文本的升級版 Transformer
- Longformer 改進 Transformer 傳統 attention 機制：對每一 token 「只對固定窗口大小附近的 token」計算 local attention，再結合下游任務計算少量 global attention，將原始 Transformer 的複雜度降至 O(n)
- Longformer 可通用於不同文檔級任務
- 論文作者使用 Longformer 的 attention 方法繼續預訓練 RoBERTa，所得的模型在多個文檔級的任務 fine-tuned 後超越原 RoBERTa 成效

模型實驗關鍵發現
- 如果 Transformer 由底層至高層遞增滑動窗格大小，有助於提高成效；反之則降低
- 增加空隙的滑窗機制有小幅的成效提升
- 驗證成效提升是來源於新型 attention 機制，而非對 RoBERTa 的加強預訓練，進行多組將舊 attention 機制用於 Longformer 的實驗，這些實驗並沒有取得跟使用新型 attention 機制的模型表現一樣好。

模型：
- 上面介紹的論文實作的是英文版本 allenai/longformer
- 中文版本我找到了由 ValkyriaLenneth 開源的預訓練中文 Longformer 模型，這篇教學我用他的模型對文本分類任務進行 fine-tune。

資料集：
- 使用中國科大訊飛公開資料集，共 1.7 萬多條關於 app 應用描述的長文本標注數據，共 119 個類別
- 更多中文語意理解評測基準資料集請見：https://github.com/CLUEbenchmark/CLUE
模型訓練程式：部分參考《進擊的 BERT：NLP 界的巨人之力與遷移學習》、Transfer Learning for NLP: Fine-Tuning BERT for Classification

0. 下載 Longformer_zh 模型並 git clone repo:

（2023.03 更新：原作者也將模型上傳到 huggingface 了，因此也可以從這邊下載 https://huggingface.co/ValkyriaLenneth/longformer_zh）

$ git clone https://github.com/ValkyriaLenneth/Longformer_ZH.git
$ cd Longformer_ZH
$ touch zh_trainer.py

2. 自定義 Dataset 物件

3. 定義驗證/預測函式

4. 定義訓練函式

5. 載入資料集、輸入模型訓練、啟動訓練

程式邏輯和一般在 fine-tune BERT 模型時一致，模型物件則是基於官方定義的分類模型物件 BertForSequenceClassification，載入 Longformer 中文版預訓練模型（這邊就沒有另外展開客製）
Longformer 的輸入長度需為 512 的倍數，我這邊是以最靠近樣本最大長度的 512 倍數為 max_length
為了有充足的記憶體進行訓練，透過 nn.DataParallel 將資料放到多顆 GPUs 平行處理；在訓練函式中， loss.sum().backward() 則是需要將多顆 GPU 預測結果的 loss 加總一起計算