言語モデルの転移学習

Kerasで学ぶ言語モデリングのためのRecurrent Neural Networks (RNNs)

David Cecchini

Data Scientist

転移学習の考え方

転移学習:

ランダムより良い初期重みから開始
巨大データで学習済みモデルを活用
オープンソースのデータサイエンス用モデル

利用可能なアーキテクチャ

基本例: I really loved this movie

Word2Vec
- 連続 BoW (CBOW) X = [I, really, this, movie], y = loved
- Skip-gram X = loved, y = [I, really, this, movie]
FastText X = [I, rea, eal, all, lly, really, ...], y = loved
- 単語と文字 n-gram を使用
ELMo X = [I, really, loved, this], y = movie
- 単語を用い、文脈ごとに埋め込み
- 双方向言語モデル(biLM)を使用
Word2Vec と FastText は gensim、ELMo は tensorflow_hub で利用可能

Word2Vec の例

from gensim.models import word2vec

# Train the model
w2v_model = word2vec.Word2Vec(tokenized_corpus, size=embedding_dim, 
                              window=neighbor_words_num, iter=100)

# Get top 3 similar words to "captain"
w2v_model.wv.most_similar(["captain"], topn=3)

[('sweatpants', 0.7249663472175598),
('kirk', 0.7083336114883423),
('larry', 0.6495886445045471)]

FastText の例

from gensim.models import fasttext

# Instantiate the model
ft_model = fasttext.FastText(size=embedding_dim, window=neighbor_words_num)

# Build vocabulary
ft_model.build_vocab(sentences=tokenized_corpus)

# Train the model
ft_model.train(sentences=tokenized_corpus, 
               total_examples=len(tokenized_corpus), 
               epochs=100)

演習に進みましょう

Kerasで学ぶ言語モデリングのためのRecurrent Neural Networks (RNNs)