ALBERT Base v2

基于英语语言、使用掩码语言模型（MLM）目标训练的预训练模型。该模型在此论文中被提出，并首次发布。与所有ALBERT模型一样，此模型不区分大小写：“english”和“English”对它而言没有区别。

模型描述

ALBERT是一种基于Transformer的模型，它在大规模英语语料库上以自监督的方式进行预训练。这意味着它仅使用原始文本进行预训练，无需人工对文本进行任何形式的标注（这也是它能够利用大量公开可用数据的原因），并通过自动流程从这些文本中生成输入和标签。更准确地说，它是在两个目标下进行预训练的：

掩码语言模型（MLM）：对于一个句子，模型随机掩盖输入中15%的词语，然后将整个被掩盖的句子输入模型，模型需要预测被掩盖的词语。这与传统的循环神经网络（RNNs）通常逐个处理词语，或者与像GPT这样的自回归模型在内部掩盖未来标记的方式不同。它允许模型学习句子的双向表示。
句子顺序预测（SOP）：ALBERT使用一种基于预测两个连续文本片段顺序的预训练损失函数。

通过这种方式，模型学习到英语语言的内部表示，该表示随后可用于提取对下游任务有用的特征：例如，如果您有一个带标签的句子数据集，您可以使用ALBERT模型生成的特征作为输入来训练一个标准分类器。

ALBERT的特别之处在于它在其Transformer中共享层。因此，所有层都具有相同的权重。使用重复层会产生较小的内存占用，然而，其计算成本仍与具有相同隐藏层数的类BERT架构相似，因为它必须迭代相同数量的（重复）层。

这是基础模型的第二个版本。版本2与版本1的不同之处在于不同的 dropout 率、额外的训练数据以及更长的训练时间。它在几乎所有下游任务中都取得了更好的结果。

该模型具有以下配置：

12个重复层
128维嵌入维度
768维隐藏维度
12个注意力头
1100万参数

预期用途与限制

您可以将原始模型用于掩码语言建模或下一句预测，但它主要旨在针对下游任务进行微调。请查看[model hub]以寻找您感兴趣任务的微调版本。

请注意，此模型主要用于在需要使用整个句子（可能包含掩码）来做决策的任务上进行微调，例如序列分类、 token 分类或问答任务。对于文本生成等任务，您应该考虑 GPT2 等模型。

使用方法

您可以直接通过 pipeline 将此模型用于掩码语言建模：

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='albert-base-v2')
>>> unmasker("Hello I'm a [MASK] model.")
[
   {
      "sequence":"[CLS] hello i'm a modeling model.[SEP]",
      "score":0.05816134437918663,
      "token":12807,
      "token_str":"▁modeling"
   },
   {
      "sequence":"[CLS] hello i'm a modelling model.[SEP]",
      "score":0.03748830780386925,
      "token":23089,
      "token_str":"▁modelling"
   },
   {
      "sequence":"[CLS] hello i'm a model model.[SEP]",
      "score":0.033725276589393616,
      "token":1061,
      "token_str":"▁model"
   },
   {
      "sequence":"[CLS] hello i'm a runway model.[SEP]",
      "score":0.017313428223133087,
      "token":8014,
      "token_str":"▁runway"
   },
   {
      "sequence":"[CLS] hello i'm a lingerie model.[SEP]",
      "score":0.014405295252799988,
      "token":29104,
      "token_str":"▁lingerie"
   }
]

以下是如何在 PyTorch 中使用此模型获取给定文本特征的方法：

from transformers import AlbertTokenizer, AlbertModel
tokenizer = AlbertTokenizer.from_pretrained('albert-base-v2')
model = AlbertModel.from_pretrained("albert-base-v2")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

而在 TensorFlow 中：

from transformers import AlbertTokenizer, TFAlbertModel
tokenizer = AlbertTokenizer.from_pretrained('albert-base-v2')
model = TFAlbertModel.from_pretrained("albert-base-v2")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='tf')
output = model(encoded_input)

局限性与偏见

即便用于训练本模型的训练数据可被描述为相当中立，该模型仍可能产生有偏见的预测：

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='albert-base-v2')
>>> unmasker("The man worked as a [MASK].")

[
   {
      "sequence":"[CLS] the man worked as a chauffeur.[SEP]",
      "score":0.029577180743217468,
      "token":28744,
      "token_str":"▁chauffeur"
   },
   {
      "sequence":"[CLS] the man worked as a janitor.[SEP]",
      "score":0.028865724802017212,
      "token":29477,
      "token_str":"▁janitor"
   },
   {
      "sequence":"[CLS] the man worked as a shoemaker.[SEP]",
      "score":0.02581118606030941,
      "token":29024,
      "token_str":"▁shoemaker"
   },
   {
      "sequence":"[CLS] the man worked as a blacksmith.[SEP]",
      "score":0.01849772222340107,
      "token":21238,
      "token_str":"▁blacksmith"
   },
   {
      "sequence":"[CLS] the man worked as a lawyer.[SEP]",
      "score":0.01820771023631096,
      "token":3672,
      "token_str":"▁lawyer"
   }
]

>>> unmasker("The woman worked as a [MASK].")

[
   {
      "sequence":"[CLS] the woman worked as a receptionist.[SEP]",
      "score":0.04604868218302727,
      "token":25331,
      "token_str":"▁receptionist"
   },
   {
      "sequence":"[CLS] the woman worked as a janitor.[SEP]",
      "score":0.028220869600772858,
      "token":29477,
      "token_str":"▁janitor"
   },
   {
      "sequence":"[CLS] the woman worked as a paramedic.[SEP]",
      "score":0.0261906236410141,
      "token":23386,
      "token_str":"▁paramedic"
   },
   {
      "sequence":"[CLS] the woman worked as a chauffeur.[SEP]",
      "score":0.024797942489385605,
      "token":28744,
      "token_str":"▁chauffeur"
   },
   {
      "sequence":"[CLS] the woman worked as a waitress.[SEP]",
      "score":0.024124596267938614,
      "token":13678,
      "token_str":"▁waitress"
   }
]

这种偏差也会影响该模型的所有微调版本。

训练数据

ALBERT 模型在 BookCorpus 和 English Wikipedia（不包含列表、表格和标题）上进行了预训练。其中，BookCorpus 是一个包含 11,038 本未出版书籍的数据集。

训练过程

预处理

文本经过小写处理，并使用 SentencePiece 进行分词，词汇表大小为 30,000。模型的输入格式如下：

[CLS] Sentence A [SEP] Sentence B [SEP]

训练

ALBERT 的训练流程遵循 BERT 的设置。

每个句子的掩码处理细节如下：

15% 的 tokens 被掩码。
80% 的情况下，被掩码的 tokens 会被替换为 [MASK]。
10% 的情况下，被掩码的 tokens 会被替换为一个随机的（不同的）token。
剩余 10% 的情况下，被掩码的 tokens 保持不变。

评估结果

在下游任务上进行微调后，ALBERT 模型取得了以下结果：

	平均值	SQuAD1.1	SQuAD2.0	MNLI	SST-2	RACE
V2
ALBERT-base	82.3	90.2/83.2	82.1/79.3	84.6	92.9	66.8
ALBERT-large	85.7	91.8/85.2	84.9/81.8	86.5	94.9	75.2
ALBERT-xlarge	87.9	92.9/86.4	87.9/84.1	87.9	95.4	80.7
ALBERT-xxlarge	90.9	94.6/89.1	89.8/86.9	90.6	96.8	86.8
V1
ALBERT-base	80.1	89.3/82.3	80.0/77.1	81.6	90.3	64.0
ALBERT-large	82.4	90.6/83.9	82.3/79.4	83.5	91.7	68.5
ALBERT-xlarge	85.5	92.5/86.1	86.1/83.1	86.4	92.4	74.8
ALBERT-xxlarge	91.0	94.8/89.3	90.2/87.4	90.8	96.9	86.5

BibTeX 条目和引用信息

@article{DBLP:journals/corr/abs-1909-11942,
  author    = {Zhenzhong Lan and
               Mingda Chen and
               Sebastian Goodman and
               Kevin Gimpel and
               Piyush Sharma and
               Radu Soricut},
  title     = {{ALBERT:} {A} Lite {BERT} for Self-supervised Learning of Language
               Representations},
  journal   = {CoRR},
  volume    = {abs/1909.11942},
  year      = {2019},
  url       = {http://arxiv.org/abs/1909.11942},
  archivePrefix = {arXiv},
  eprint    = {1909.11942},
  timestamp = {Fri, 27 Sep 2019 13:04:21 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1909-11942.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}