CoSDA-ML:一种只需利用字典资源提高跨语言zero-shot任务性能的方法

背景

跨语言学习（Cross-Lingual）是自然语言处理领域研究的热点，其可以借助从资源丰富（high resource）语言中学习到的知识，帮助稀缺资源（low resource）语言更好的完成相关任务，为不同语言之间的知识迁移提供了桥梁与枢纽。刚刚结束的EMNLP2020也着重强调不允许以研究非英语语言作为拒稿理由（“Invalid bases for rejecting a Paper: The Paper’s work is on a language other than English. We care about NLP for any language），表明了资源稀缺语言研究的重要性。随着预训练模型（Pre-trained Language Model, PLMs）席卷整个自然语言处理领域，跨语言学习也借助PLMs的东风，得到了快速的发展，诸如mBERT，XLM等跨语言预训练模型不断涌现，极大的提升了低资源语言的任务性能。然而，上述mBERT在取得卓越进展的同时，也存在一定缺陷：尽管mBERT模型被称之为多语言BERT，但是其在训练时，每次输入依旧为单语数据，即对于单个句子来说仍是单语言语境，如图1所示。除了借助共同的词语（实际为subword）来对齐多种语言表示之外，没有其他显式的多语言对齐信号，这一缺陷严重阻碍了mBERT模型的性能。

图1：mBERT训练示意图。输入不同语言的句子，但输入单条句子为单语言语境。

介绍

Libo Qin，Minheng Ni,，Yue Zhang，Wanxiang Che等人针对上述问题，提出了一种简单有效的多语言数据增强方式（CoSDA-ML），针对任务特定数据，构建多种语言之间的显式对齐关系，用于微调mBERT模型。值得注意的是，该方法只需进行一次微调，即可完成多种语言的任务，无需针对每一种语言进行特殊设计。该方法在Zero-shot（源语言拥有标注数据，目标语言无标注数据）的设定下，在涉及19种语言的的5个经典任务（自然语言推理、情感分析、文档分类、口语理解、对话状态追踪）上取得了显著提升。相关工作发表在IJCAI20上。

CoSDA-ML: Multi-Lingual Code-Switching Data Augmentation for Zero-Shot Cross-Lingual NLP arxiv.org

基础模型mBERT

mBERT全称Multilingual BERT，与BERT架构一致，采用12层Transformer，区别在于mBERT使用104种语言的维基百科数据进行训练，104种语言拥有共同的word piece词表。由于输入的单句仍为单语言语境，没有多语言信息。因此mBERT依赖于共有的word piece进行不同语言的表示对齐。在利用mBERT完成下游任务时，首先需要在任务特定数据上微调mBERT。对于给定源语言句子 s=(s_1,s_2,…,s_n) ，构造模型输入 $s=(s_{[CLS]} ,s_1,s_2,…,s_n,s_{[SEP]})$ ，其中 [CLS] 用于表示整个句子， [SEP] 用于分割不连贯的句子。经过mBERT模型之后，得到表示 $h=(h_{[CLS]} ,h_1,h_2,…,h_n,h_{[SEP]})$ 。对于分类任务，利用 [CLS] 对应位置表示 $h_{[CLS] }$ ，送入分类层进行分类： $c=softmax(Wh_{[CLS]} +b)$ 。最终微调任务特定参数以及所有mBERT参数来完成目标任务。本文关注zero-shot设定，即只利用源语言任务数据微调模型，然后直接在目标语言数据上进行测试。（目标语言无任务特定标注）

CoSDA-ML

作者提出的方法称为CoSDA-ML（Code-Switching Data Augmentation Multi-Lingual），核心分为两步，如图2：

利用数据增强算法构建code-switch数据，微调mBERT模型。

, # 代表输入原始任务数据（一般为英文数据），代表code-switch数据生成器，代表生成的code-switch数据。
, # 代表利用code-switch数据微调之后的mBERT模型，模型将直接被用于目标语言的任务测试。

2. 在Zero-shot的设定下，利用 out 对目标任务进行测试。

图2：CoSDA-ML方法示意图。（a）生成code-switch数据，并利用增强得到的code-switch数据微调mBERT模型；（b）zero-test测试。

数据增强算法

图3：数据增强示意图。（a）原始batch训练数据，图中batch为3；（b）句子选择；（c）词语选择；（d）替换选择。

句子选择

给定一个batch的数据，随机选择其中的几条数据进行后续数据增强。如图3（b），输入原始数据，选择第一句和第三局作为后续数据增强对象，保持第二句不变。

词语选择

对于被选择的句子（第一句和第三句），随机选择将要被替换的词语。如图3（c），第一句中very和第三句中What被选中。

替换选择

对于上一步选择的词语，根据双语词典，随机选择一种目标语言进行替换，如图3（d）。值得注意的是，同一词语在词典中可能有多种不同翻译，作者随机选择其中的一种进行替换。（在后续的工作中，面对多种翻译的替换策略也可以进行相关探索，利用注意力机制？级联替换a->b，b->c?）

另一点值得注意的是，上述过程均采用动态数据增强的方式，即在每个batch中动态的决定被替换的句子、词语以及目标语言。作者在后续的实验中验证了相对于静态（static）替换，动态（dynamic）替换更具有优势。

为什么进行code-switch数据增强方式可以提升目标语言任务性能呢？作者认为：在拥有相同分类标签的前提下，该方法可以有效拉近不用语言之间的表示，使得多种语言在统一空间进行对齐。如图4所示：将eat替换为吃，在拥有相同标签的前提下，eat与吃将会在多语言表示空间被对齐。

图4：方法直觉解释图。替换eat为吃，在拥有相同标签的前提下，模型将会有相同的损失，因此会在统一空间对齐eat与吃的表示。

任务、数据集、语言、基线模型

任务名	数据集	语言数量	评价方式	基线模型
自然语言推理	XNLI	15	Classiﬁcation Accuracy (ACC)	Artetxe and Schwenk [ 2018 ]
情感分析	OpeNER English and Spanish datasets MultiBooked Catalan and Basque datasets	4	macro F1.	BLSE [ Barnes et al., 2018 ]
文档分类	MLDoc	8	Classiﬁcation Accuracy (ACC)	Schwenk and Li [ 2018 ]Artetxe and Schwenk [ 2018 ]
对话状态追踪	Multilingual WOZ 2.0 dataset	2	Turn level request tracking accuracy Joint goal tracking accuracySlot tracking accuracy for evaluation	XL-NBT [ Chen et al., 2018 ]AttentionInformed Mixed Training: Liu et al. [ 2019b ]
口语理解	cross-lingual spoken language understanding dataset	3	Intent detection is evaluated by the classiﬁcation accuracy (ACC) slot ﬁlling is evaluated by F1 score	Multi. CoVe: [ Schuster et al., 2019a ]AttentionInformed Mixed Training: Liu et al. [ 2019b ]

基线模型XLM

Facebook提出了基于多种语言预训练的模型 XLM，首先从单语语料库中采样一些句子，对于资源稀少的语言可以增加数量，对于资源丰富的语言可以减少数量，将所有语言使用统一BPE进行表示。使用三种语言模型目标来完成学习。前两个是基于单语语料库的，最后一个是基于双语对齐数据的。第一种是Causal Language Modeling (CLM)，根据之前的词语预测下一个词语。第二个是Masked Language Modeling (MLM)，和BERT类似，但是使用一个词语流，而非句子对。第三种是 Translation Language Modeling (TLM)，可以随机 mask 掉其中一些两种语言中的一些词语，然后进行预测。其模型如图5。