macbert4csc纠错

简介

此篇文章是对macbert4csc模型的一次尝试与思考，废话不多说，看内容。

模型结构

这个模型分成两部分：

1. 使用BertForMaskedLM对预训练模型做mask训练。
2. 对预测的结果输入linear，判断预测的结果和真实的结果是否相同，即二分类。

举例：
比如错句为我和你在一其，正确的句子为我和你在一起，错句输入MLM，得到的结果假设为我和你在一器。然后输入linear判别器，判断和正确的句子做二分类。最后两个loss进行相加。

思考

为什么选择macbert

首先看看什么是macbert,全称是(MLM as corrector)，它是哈工大和讯飞一起训练的模型。主要做的内容有两点：

1. 修改bert mask预处理代码，将bert做[mask]的地方用同义词来替代。同时引入全词mask。
2. 替换NSP任务，使用SOP来替代。

第一条的做法好处是下游任务一般不会有[mask]，那么就不会带来预训练模型和下游任务不匹配的问题。
第二条的做法好处是简单来讲就是更能理解句子的语义性(合理以及通顺)。

为什么代码没有在错字地方做mask

这个问题就是为什么选择macbert做微调，因为macbert对mlm中做mask替代的地方用了同义词替换。

和electra有什么关系

这个问题是我自己强行加进来的，哈哈。。

先来看下electra的结构图。

electra模型分成两部分：

1. 生成器。例如上图，对the和painting做[MASK]，然后使用生成器进行训练获取结果, 其中the对了，painting对应了car。
2. 将生成的结果送入判别器，和原句做二分类，发现painting生成错了。

其loss计算方式如下所示：

有木有发现，两者其实还蛮像的，哈哈。

下面是正经思考：

1. 错字识别是否可以使用electra模型来训练？
2. 其中 λ是否可以进行借鉴？

回答1：我觉得阔以，甚者我觉得结果要比macbert4csc更好，为什么？

1. 实验结果，macbert4csc的训练结果没有electra的结果好，你可以说不是同一类型的任务。
2. macbert做同义词替换，如果没有对应的同义词呢，或者说同义词替换更关注实体词呢，错字是有可能哪里都可能错的。
   但是，这些想法都是有些牵强的，只有自己跑出来才知道结果。

回答2：我觉得阔以，因为对于多loss，一般没有好的解决方法，明明超参数，只能实验呗。作者在这里选择了50，因为他认为
二分类相比mlm的交叉熵更容易一些，所以给予了更大的权重。

但是我觉得还可以有另外一种思路来参考，即灾难性遗忘，它是说下游任务对预训练模型进行fine-tune，会对预训练模型造成干扰，那么loss计算时可以分成两部分，pretrained loss和fine-tune loss，一般按经验fine-tune loss权重为0.5。

改进

一. 调整λ值

作者这里使用0.7/0.3的权重分配给MLM和sigmoid二分类，这里我对其做了如下调整：

1. ID(1)

以macbert eval.py为准进行测试，记得把macbert_model_dir改成自己的。

以epoch 26的模型为准：

12

Sentence Level: acc:0.7040, precision:0.8545, recall:0.6087, f1:0.7109, cost time:5.35 sSentence Level: acc:0.7955, precision:0.8093, recall:0.7661, f1:0.7871, cost time:10.53 s

和”shibing624/macbert4csc-base-chinese”进行对比，发现recall要高了不少，结果效果更好了些～。

2. ID(2)

dev metric 在epoch 35的时候为0.914，相比ID(1)在epoch 26 0.9168的结果，发现收敛速度变的慢了。
故这个忽略。

3. ID(3)

dev metric 在epoch 35的时候为0.9112，虽说还有小量上涨可能，但是train metric已经过拟合了，这个结果让我觉得…，emmmm，这些超参没有达到想象中的区别哇。

2. 对hidden_states分配权重

作者在进行二分类的时候使用了最后一层的hidden_states，那么是否可以对所有的hiddeen_states分配不同的权重。为什么？前面的layer更偏向浅层语义信息，比如词法，句法等，越往后代表的含义可能更深层次，本来就是预测词对不对，搞那么深不一定适合。
回头尝试尝试。