Transfer learning pro jazykové modely

Rekurentní neuronové sítě (RNN) pro jazykové modelování s Keras

David Cecchini

Data Scientist

Princip transfer learningu

Transfer learning:

Začínáme s lepšími než náhodnými vahami
Využíváme modely trénované na velkých datasetech
Modely „open-source" pro datovou vědu

Dostupné architektury

Příklad: I really loved this movie

Word2Vec
- Continuous Bag of Words (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
- Využívá slova a n-gramy znaků
ELMo X = [I, really, loved, this], y = movie
- Využívá slova, embeddingy závislé na kontextu
- Používá hluboké obousměrné jazykové modely (biLM)
Word2Vec a FastText jsou dostupné v balíčku gensim, ELMo v tensorflow_hub

Příklad s Word2Vec

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)]

Příklad s FastText

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)

Pojďme si procvičit!

Rekurentní neuronové sítě (RNN) pro jazykové modelování s Keras