搜出来的文本：基于BERT的文本采样

©PaperWeekly 原创 · 作者｜苏剑林

单位｜追一科技

研究方向｜NLP、神经网络

从这一篇开始，我们就将前面所介绍的采样算法应用到具体的文本生成例子中。而作为第一个例子，我们将介绍如何利用 BERT 来进行文本随机采样。所谓文本随机采样，就是从模型中随机地产生一些自然语言句子出来，通常的观点是这种随机采样是 GPT2、GPT3 这种单向自回归语言模型专有的功能，而像 BERT 这样的双向掩码语言模型（MLM）是做不到的。

事实真的如此吗？当然不是。利用 BERT 的 MLM 模型其实也可以完成文本采样，事实上它就是上一篇文章所介绍的 Gibbs 采样。这一事实首先由论文《BERT has a Mouth, and It Must Speak: BERT as a Markov Random Field Language Model》[1] 明确指出。论文的标题也颇为有趣：“BERT 也有嘴巴，所以它得说点什么。”现在就让我们看看 BERT 究竟能说出什么来。

采样流程

首先，我们再次回顾上一篇文章所介绍的 Gibbs 采样流程：

Gibbs 采样：

初始状态为 ，t 时刻状态为