[转] LSTM+ CRF中的损失函数

from https://blog.csdn.net/u013963380/article/details/108696552

本文翻译，原文地址：

https://createmomo.github.io/2017/10/08/CRF-Layer-on-the-Top-of-BiLSTM-3/

https://createmomo.github.io/2017/10/17/CRF-Layer-on-the-Top-of-BiLSTM-4/

https://createmomo.github.io/2017/11/11/CRF-Layer-on-the-Top-of-BiLSTM-5/

三、CRF损失函数

CRF损失函数由两部分组成，真实路径的分数和所有路径的总分数。真实路径的分数应该是所有路径中分数最高的。

例如，我们的数据集中有如下几种类别：

Label	Index
B-Person	0
I-Person	1
B-Organization	2
I-Organization	3
O	4
START	5
END	6

一个包含5个单词的句子，可能的类别序列如下：

1) START B-Person B-Person B-Person B-Person B-Person END
2) START B-Person I-Person B-Person B-Person B-Person END
…
10) START B-Person I-Person O B-Organization O END
…
N) O O O O O O O

假设每种可能的路径的分数为 $P_{i}$ ，共有 $N$ 条路径，则路径的总分是:

$P_{total}=P_{1}+P_{2}+...+P_{N}=e^{S_{1}}+e^{S_{2}}+...+e^{S_{N}}$ ， $e$ 是一个数学常量。（下节会详细介绍如何计算 $S_{i}$ ，这里你可以把它当作这条路径的分数）。

如果第十条路径是真实路径，也就是说第十条是正确预测结果，那么 $P_{10}$ 应该是所有可能路径里分数最高的。根据如下损失函数，在训练过程中，BiLSTM-CRF模型的参数值将随着训练过程的迭代不断更新，使得真实路径所占的比值越来越大。

$LossFunction=\frac{P_{RealPath}}{P_{1}+P_{2}+...+P_{N}}$

那么现在的问题就是：

如何定义路径的分数
怎么计算所有路径的分数
当计算所有的路径分时，是否需要穷举多有可能的路径？（答案是不需要）

四、真实路径分数

很明显，在所有的可能的路径中有一条是真实的路径。比如在上述的类别序列中，“START B-Person I-Person O B-Organization O END”是一条真实的路径。不正确的路径如“START B-Person B-Organization O I-Person I-Person B-Person”。 $e^{S_{1}}$ 是第 $i$ 条路径的分数。

在训练阶段，crf的损失函数只需要两种类别的分数，真实路径的分数和所有路径的总分数。在所有的可能路径的分数中，真实路径的分数应该是最高的。

当然计算 $e^{S_{1}}$ 是十分简单的，下面让我们聚焦如何来计算 $S_{i}$ 。

我们假设“START B-Person I-Person O B-Organization O END”是一条真实的路径：

一个句子中有5个单词，分别是 $w_{1},w_{2},w_{3},w_{4},w_{5}$
添加开始和结尾单词，分别是 $w_{0},w_{6}$
$S_{i}$ 包含两个部分， $S_{i}=EmissionScore+TransitionScore$

tips:Emission Score 和 Transition Score在《BiLSTM中的CRF层（二）CRF层》一文中已经介绍。

（1）Emission Score（发射分数）:

$EmissionScore=x_{0,START}+x_{1,B-Person}+x_{2,I-Person}+x_{3,O}+x_{4,B-Organization}+x_{5,O}+x_{6,END}$

$x_{index,label}$ 是第 $index$ 索引的单词被标注为 $label$ 的分数
$x_{1,B-Person},x_{2,I-Person},x_{3,O},x_{4,B-Organization},x_{5,O}$ 这些分数来自前一层BiLstm的输出
$x_{0,START},x_{6,END}$ 可以设置为0

（2）Transition Score（转移分数）:

$TransitionScore=t_{START->B-Person}+t_{B-Person->I-Person}+t_{I-Person->O}+t_{O->B-Organization}+t_{B-Organization->O}+t_{O->END}$

$t_{label1->label2}$ 是从label1转移到label2的分数
这些分数来自于CRF层。换句话说，这些分数其实是CRF层的参数

五、所有路径的分数

上面提到所有路径的分数 $P_{total}=P_{1}+P_{2}+...+P_{N}=e^{S_{1}}+e^{S_{2}}+...+e^{S_{N}}$ 。计算所有路径的总分最简单的方式是：穷举所有可能的路径，分别计算路径分，最后求和。但是这种方式是十分低效的，而且训练时间也是不可忍受的。

下面以一个简单的例子来说明如何高效的计算所有路径的分数。

Step1： recall the CRF loss function

CRF损失函数的定义是 $LossFunction=\frac{P_{RealPath}}{P_{1}+P_{2}+...+P_{N}}$ ，我们把它变成log损失函数如下：

$LogLossFunction=log\frac{P_{RealPath}}{P_{1}+P_{2}+...+P_{N}}$ ，由于我们训练的目标通常是最小化损失函数，所以我们加上负号：

$LogLossFunction=log\frac{P_{RealPath}}{P_{1}+P_{2}+...+P_{N}}\\=-log\frac{e^{S_{RealPath}}}{e^{S_{1}}+e^{S_{2}}+...+e^{S_{N}}}\\=-(loge^{S_{RealPath}}-log(e^{S_{1}}+e^{S_{2}}+...+e^{S_{N}}))\\ =-(S_{RealPath}-log(e^{S_{1}}+e^{S_{2}}+...+e^{S_{N}}))\\ =-(\sum_{i=1}^{N}x_{iyi}+\sum_{i=1}^{N-1}t_{yiyi+1}-log(e^{S_{1}}+e^{S_{2}}+...+e^{S_{N}}))$

（原文中在求真实路径的分数的时候，求和用的是N和N-1，但是从上面的求解发射分数和转移分数公式看，这里的N应该是句子的长度words，N-1应该是标签数num_tag，所有的路径总数N应该是N=(num_tag)^(words)，否则对应不上。不知道是不是作者为了简化统一用N表示，还是本人理解错误。。。囧囧囧）

在上面，我们已经知道如何计算真实路径的分数，下面我们只需要找到一种高效的方式来计算 $log(e^{S_{1}}+e^{S_{2}}+...+e^{S_{N}})$ 。

Step2：recall the Emission and Transition Score

为了简化说明，这里我们假设我们训练模型的句子只有3的长度，标签只有2种：

$x=[w_{0},w_{1},w_{2}]$

$labelset=[l_{1}, l_{2}]$

我们从Bi-Lstm层获得的发射分数如下：

	$l_{1}$	$l_{2}$
$w_{0}$	$x_{01}$	$x_{02}$
$w_{1}$	$x_{11}$	$x_{12}$
$w_{2}$	$x_{21}$	$x_{22}$

tips: $x_{ij}$ 表示单词 $w_{i}$ 被标签为 $l_{j}$ 的分数。

从CRF层获得的转移分数如下：

	$l_{1}$	$l_{2}$
$l_{1}$	$t_{11}$	$t_{12}$
$l_{2}$	$t_{21}$	$t_{22}$

tips: $t_{ij}$ 表示从标签 $i$ 转移到标签 $j$ 的分数

Step3：START FIGHTING!

首先要记得我们的目标是 $log(e^{S_{1}}+e^{S_{2}}+...+e^{S_{N}})$

整个过程其实是分数累加的过程。它的思想和动态规划如出一辙。总而言之就是，首先单词 $w_{0}$ 的所有路径的总分被计算出来；然后，计算从 $w_{0}->w_{1}$ 的所有路径的得分，最后计算 $w_{0}->w_{1}->w_{2}$ 的所有路径的得分，也就是我们最终要的结果。

接下来，你会看到两个变量：obs和 previous。previous存储了之前步骤的结果，obs代表当前单词的信息。

=======================================================================================================

$w_{0}$ ：

$obs=[x_{01},x_{02}]$

$previous=None$

如果我们的句子只有一个单词 $w_{0}$ ，前一个步骤没有任何的结果，因此previous=None。另外，我们只能获取到 $obs=[x_{01},x_{02}]$ ， $x_{01}$ 和 $x_{02}$ 是上面提到的从BiLSTM层获得的发射分数。

因此，这里单词 $w_{0}$ 的所有路径分数为：

$TotalScore(w_{0})=log(e^{x_{01}}+e^{x_{02}})$

=======================================================================================================

$w_{0}->w_{1}$ ：

$obs=[x_{11},x_{12}]$

$previous=[x_{01},x_{02}]$

(1) 将previous扩展为：

$previous=\begin{pmatrix} x_{01} & x_{01} \\ x_{02} & x_{02} \end{pmatrix}$

(2) 将obs扩展为：

$obs=\begin{pmatrix} x_{11} & x_{12} \\ x_{11} & x_{12} \end{pmatrix}$

将previos和obs扩展是为了计算总分更加高效。下面将会看到

(3) 对previou、obs和转移分数求和：

$scores=\begin{pmatrix} x_{01} & x_{01}\\ x_{02} & x_{02} \end{pmatrix} + \begin{pmatrix} x_{11} & x_{11}\\ x_{12} & x_{12} \end{pmatrix} + \begin{pmatrix} t_{11} & t_{12}\\ t_{21} & t_{22} \end{pmatrix}$

$score=\begin{pmatrix} x_{01}+x_{11}+t_{11} & x_{01}+x_{12}+t_{12}\\ x_{02}+x_{11}+t_{21} & x_{02}+x_{12}+t_{22} \end{pmatrix}$

然后改变previos的值

$previous=[log(e^{x_{01}+x_{11}+t_{11}}+e^{x_{02}+x_{11}+t_{21}}),log(e^{x_{01}+x_{12}+t_{12}}+e^{x_{02}+x_{12}+t_{22}})]$

到这里，第二次迭代实际上已经完成了。然后，我们使用新的previous值来计算 $w_{0}->w_{1}$ 的所有路径总分：

$TotalScore(w_{0}->w_{1})\\ =log(e^{previous[0]}+e^{previous[1]})\\ =log(e^{log(e^{x_{01}+x_{11}+t_{11}}+e^{x_{02}+x_{11}+t_{21}})}+e^{log(e^{x_{01}+x_{12}+t_{12}}+e^{x_{02}+x_{12}+t_{22}})})\\ =log(e^{e^{x_{01}+x_{11}+t_{11}}}+e^{x_{02}+x_{11}+t_{21}}+e^{x_{01}+x_{12}+t_{12}}+e^{x_{02}+x_{12}+t_{22}})$

从上面公式可以看出，这就是我们的求解目标 $log(e^{S_{1}}+e^{S_{2}}+...+e^{S_{N}})$

在上述公式中：

$S_{1}=x_{01}+x_{11}+t_{11}\ (label1->label1)$
$S_{2}=x_{02}+x_{11}+t_{21}\ (label2->label1)$
$S_{3}=x_{01}+x_{12}+t_{12}\ (label1->label2)$
$S_{4}=x_{02}+x_{12}+t_{22}\ (label2->label2)$

=======================================================================================================

下面的手码太累了，直接贴原文的截图，截图出自（https://createmomo.github.io/2017/11/11/CRF-Layer-on-the-Top-of-BiLSTM-5/），原理是一样的。

=======================================================================================================

上述过程建议用手推一遍，对理解这个过程十分有用。。。

至此，我们完成了 $log(e^{S_{1}}+e^{S_{2}}+...+e^{S_{N}})$ 的求解过程。

六、如何利用CRF来推理

前面几节介绍了Bi-Lstm-CRF的模型结构以及CRF损失函数。我们可以使用开源的深度学习框架（Keras、tensorflow等）来实现一个Bi-Lstm-CRF模型。而且用这些框架最好的是不用自己来实现反向传播这个过程，更有的框架已经实现了CRF层，只需要添加一行代码就可以完全实现Bi-Lstm-CRF模型。

推理的过程和上述求解所有路径总分的过程有点相似，每次获取得分最高的路径，最终选择所有路径中得分最高的路径为最佳路径。

详细过程见原文：https://createmomo.github.io/2017/11/24/CRF-Layer-on-the-Top-of-BiLSTM-6/

这里不再讲述，因为整个过程十分简单，理解了第五节中的求解过程即可。

posted @ 2021-08-12 10:12 凌波微步_Arborday 阅读(1054) 评论(0) 编辑收藏举报

刷新页面返回顶部

凌波微步_Arborday

[转] LSTM+ CRF中的损失函数

公告