本文介紹了復(fù)旦大學(xué)數(shù)據(jù)智能與社會(huì)計(jì)算實(shí)驗(yàn)室 (Fudan DISC)在ACL 2021上錄用的一篇Findings長文: K-Adapter: Infusing Knowledge into Pre-Trained Models with Adapters

文章摘要

本文關(guān)注于向大規(guī)模預(yù)訓(xùn)練語言模型（如RoBERTa、BERT等）中融入知識(shí)。提出了一種靈活、簡便的知識(shí)融入框架K-Adapter，通過外掛知識(shí)插件的方式來增強(qiáng)原模型，緩解了知識(shí)遺忘的問題、且支持連續(xù)知識(shí)學(xué)習(xí)。本文提出的模型在三種知識(shí)驅(qū)動(dòng)的任務(wù)，包括了命名實(shí)體識(shí)別、關(guān)系分類、問答等任務(wù)上取得了顯著的效果。

研究背景

預(yù)訓(xùn)練語言模型，如BERT、GPT、XLNet、RoBERTa，可以通過無監(jiān)督訓(xùn)練目標(biāo)（如MLM）來從大規(guī)模文本語料中學(xué)習(xí)通用表示，并且在各種各樣的下游任務(wù)上取得了SOTA的表現(xiàn)。盡管這些模型取得了巨大的進(jìn)步，但是最近的一些工作表明這些通過無監(jiān)督方式訓(xùn)練的模型很難學(xué)習(xí)到豐富的知識(shí)，如邏輯知識(shí)、事實(shí)類知識(shí)、語言學(xué)知識(shí)、特定領(lǐng)域的知識(shí)等等。因此這啟發(fā)了本文來研究如何向預(yù)訓(xùn)練模型中融入知識(shí)。

最近出現(xiàn)了一些向預(yù)訓(xùn)練模型中融入知識(shí)的工作，如ERNIE、WKLM、KnowBERT等。下表中展示了本文工作和先前融入知識(shí)工作的對(duì)比。先前的工作通過多任務(wù)（multi-task）學(xué)習(xí)的方式訓(xùn)練模型，也就是在原有的MLM訓(xùn)練目標(biāo)的基礎(chǔ)上，額外增加了用于融入知識(shí)的訓(xùn)練目標(biāo)，例如ERINE通過增加Entity Linking的訓(xùn)練目標(biāo)學(xué)習(xí)相關(guān)知識(shí)。由于這些方法在預(yù)訓(xùn)練融入知識(shí)的階段BERT不是固定的，需要更新模型的全部參數(shù)，會(huì)使得模型融入知識(shí)的代價(jià)較大。而且他們不支持連續(xù)學(xué)習(xí)，模型的參數(shù)在引入新知識(shí)的時(shí)候需要重新訓(xùn)練；對(duì)于已經(jīng)學(xué)到的知識(shí)來說，會(huì)造成災(zāi)難性遺忘（catastrophic forgetting）的問題。為了更好地解決上述問題，本文提出了 K-Adapter，一種靈活、簡便地向預(yù)訓(xùn)練模型中注入知識(shí)的方法。

方法描述

本文提出的方法如下圖所示。圖a是基于多任務(wù)學(xué)習(xí)融入知識(shí)的方法，圖b是本文模型K-Adapter，通過外掛在原始模型外的adapter，融入不同種類的知識(shí)。

1. Adapter結(jié)構(gòu)

Adapter模型可以看做是知識(shí)特定模型，可以看做為插件，掛載在預(yù)訓(xùn)練模型外部。具體而言，每個(gè)Adapter模型由K個(gè)Adapter層（如下圖所示，KIA）組成，其中每個(gè)Adapter層包含了N個(gè)Transformer層和兩個(gè)映射層（Projection Layer）。對(duì)于Adapter模型，本文將Adapter層插入到預(yù)訓(xùn)練模型的不同Transformer層之間，將預(yù)訓(xùn)練模型的中間層輸出的特征和前一個(gè)Adapter層的輸出特征拼接作為Adapter層的輸入。本文將預(yù)訓(xùn)練模型和Adapter的最后一個(gè)隱藏特征拼接作為最終的輸出特征。

本文采用RoBERTa作為backbone。需要注意的是，RoBERTa在融入知識(shí)的預(yù)訓(xùn)練過程中是固定的，但Adapter的參數(shù)是可訓(xùn)練的。這樣的模型和訓(xùn)練設(shè)定，緩解了融入知識(shí)時(shí)災(zāi)難性遺忘的問題，不同知識(shí)的學(xué)習(xí)不受影響，融入知識(shí)效率更高；而且不同的Adapter間沒有信息流、可以利用分布式的方式同時(shí)、獨(dú)立地訓(xùn)練。

本文通過設(shè)置不同的預(yù)訓(xùn)練任務(wù)向Adapter中融入不同的知識(shí)。接下來介紹如何將不同種類的知識(shí)融入到特定的Adapter中。

2. 知識(shí)融入

下圖展示了向知識(shí)特定Adapter中融入知識(shí)的框圖。

本文主要融入了2種知識(shí)——事實(shí)類知識(shí)和語言類知識(shí)，分別融入到了2種知識(shí)特定的adapter中：

（1）Factual Adapter：Factual Adapter融入了事實(shí)類知識(shí)。此處的事實(shí)類知識(shí)指文本中實(shí)體之間的關(guān)系，來源于Wikipedia和Wikidata之間自動(dòng)對(duì)齊的文本-三元組對(duì)。本文在關(guān)系分類任務(wù)上進(jìn)行預(yù)訓(xùn)練來融入知識(shí)，該任務(wù)要求給定1個(gè)句子和句子中的2個(gè)實(shí)體，然后要求模型預(yù)測出這兩個(gè)實(shí)體的關(guān)系。如下圖展示了融入事實(shí)類知識(shí)的示意圖。

（2）Linguistic Adapter：Linguistic Adapter融入了語言類知識(shí)。語言類的知識(shí)是自然語言中最基本的一類知識(shí)，比如說語義和語法信息。本文中的語言類知識(shí)指文本中詞之間的依存關(guān)系。本文在依存關(guān)系預(yù)測任務(wù)上進(jìn)行預(yù)訓(xùn)練來融入知識(shí)。這個(gè)任務(wù)要求模型預(yù)測出給定句子中，每個(gè)詞的father的index。

下圖展示了如何將Adapter應(yīng)用在下游任務(wù)中。此處關(guān)鍵的點(diǎn)是預(yù)訓(xùn)練模型特征+知識(shí)特征，即一方面利用預(yù)訓(xùn)練模型的通用信息，一方面利用Adapter中的特定知識(shí)。

實(shí)驗(yàn)

本文在3種知識(shí)驅(qū)動(dòng)的下游任務(wù)上進(jìn)行實(shí)驗(yàn)，包含命名實(shí)體識(shí)別，問答和關(guān)系分類。此外，還通過案例分析和探究性實(shí)驗(yàn)對(duì)模型學(xué)習(xí)事實(shí)類知識(shí)的有效性進(jìn)行了分析。K-ADAPTER (F+L) 代表同時(shí)外掛事實(shí)類(factual) adapter和語言類(linguistic) adapter；K-ADAPTER (F) 代表外掛事實(shí)類(factual) adapter，K-ADAPTER (L) 代表外掛語言(linguistic) adapter。實(shí)驗(yàn)中RoBERTa均指RoBERTa-Large。

1. 命名實(shí)體識(shí)別（Entity Typing）

命名實(shí)體識(shí)別任務(wù)是給定一個(gè)文本和指定的實(shí)體，讓模型預(yù)測出指定實(shí)體的類別。在OpenEntity和FIGER數(shù)據(jù)集上的結(jié)果如下表所示。在OpenEntity數(shù)據(jù)集上，本文模型K-ADAPTER（F+L）相比于RoBERTa進(jìn)一步提高了1.38%的Mi-F1。在FIGER數(shù)據(jù)集上，與WKLM相比，K-ADAPTER (F+L)提高了2.88%的Ma-F1，提高了2.54%的Mi-F1。

2. 問答（Question Answering）

問答任務(wù)的目的是給定一個(gè)問題和一個(gè)文本，來讓模型做出回答，有時(shí)還會(huì)提供問題的上下文信息。在問答任務(wù)上的實(shí)驗(yàn)結(jié)果如下表所示。在CosmosQA上，與BERT-FTRACE+SWAG相比，本文的RoBERTa在準(zhǔn)確率上顯著提高了11.89%。與RoBERTa相比，K-ADAPTER（F+L）進(jìn)一步提高了1.24%的準(zhǔn)確率，這表明K-ADAPTER可以獲得更好的常識(shí)推理能力。在開放域的QA數(shù)據(jù)集（SearchQA和Quasar-T）上，與其他baseline相比，K-ADAPTER取得了更好的結(jié)果。這表明K-ADAPTER可以充分利用融入的知識(shí)，有利于根據(jù)檢索到的段落來回答問題。具體來說，在SearchQA上，K-ADAPTER（F+L）WKLM相比，顯著提高了4.01%的F1，甚至比WKLM+Ranking略高。值得注意的是，K-ADAPTER沒有建模檢索到的段落的置信度，而WKLM+Ranking額外利用了另一個(gè)基于BERT的ranker為檢索到的段落進(jìn)行打分、排序。

3. 關(guān)系分類（Relation Classification）

關(guān)系分類任務(wù)是指給定一個(gè)文本和文本中的兩個(gè)實(shí)體，要求模型預(yù)測出這兩個(gè)實(shí)體之間的關(guān)系。在關(guān)系分類任務(wù)上的實(shí)驗(yàn)結(jié)果如下表所示。結(jié)果表明，K-ADAPTER明顯優(yōu)于所有baseline。特別地，（1）K-ADAPTER模型優(yōu)于RoBERTa，證明了利用Adapter進(jìn)行知識(shí)融入的有效性；（2）與RoBERTa+multitask相比，K-ADAPTER取得了更大的提升，這直接說明了K-ADAPTER相比于多任務(wù)學(xué)習(xí)方式融入知識(shí)的效果更好，有助于模型充分利用知識(shí)。

4. 案例分析（Case Study）

下表中展示了在TACRED數(shù)據(jù)集上，K-ADAPTER和RoBERTa的定性比較。結(jié)果表明，K-ADAPTER中的事實(shí)知識(shí)可以幫助模型從預(yù)測“no_relation”轉(zhuǎn)換到預(yù)測正確的類別標(biāo)簽。

為了檢驗(yàn)?zāi)Ｐ蛯W(xué)習(xí)事實(shí)類知識(shí)的能力，本文在LAMA數(shù)據(jù)集上進(jìn)行了探究（Probing）實(shí)驗(yàn)。具體來說，該實(shí)驗(yàn)是在zero-shot的設(shè)定下進(jìn)行的，要求模型不在微調(diào)的情況下完成關(guān)于事實(shí)知識(shí)的完型填空，例如將“The native language of Mammootty is [MASK] ”作為輸入，讓模型預(yù)測出 [MASK]是什么。

總結(jié)

提出了一種靈活而簡單的方法K-Adapter，支持將知識(shí)注入到大規(guī)模預(yù)訓(xùn)練語言模型中。

K-Adapter保持原有預(yù)訓(xùn)練模型參數(shù)不變，使用不同的知識(shí)特定"插件"學(xué)習(xí)不同類別的知識(shí)，支持連續(xù)知識(shí)學(xué)習(xí)，從而緩解“知識(shí)遺忘”問題，即融入新的知識(shí)不會(huì)影響原有的知識(shí)；且由于不同adapter間沒有信息流，所以adapter可以用分布式的方式進(jìn)行高效地訓(xùn)練。

在三種知識(shí)驅(qū)動(dòng)的任務(wù)上取得了顯著的效果，包括了命名實(shí)體識(shí)別、關(guān)系分類、問答。詳細(xì)的分析進(jìn)一步證明K-Adapter可以學(xué)習(xí)到更為豐富的事實(shí)類知識(shí)，為如何有效地進(jìn)行知識(shí)融入提供了一些見解。

責(zé)任編輯：lq6