最近一段時(shí)間在做商品理解的工作，主要內(nèi)容是從商品標(biāo)題里識別出商品的一些屬性標(biāo)簽，包括不限于品牌、顏色、領(lǐng)型、適用人群、尺碼等等。這類任務(wù)可以抽象成命名實(shí)體識別（Named Entity Recognition, NER）工作，一般用序列標(biāo)注（Sequence Tagging）的方式來做，是比較成熟的方向。

▲ 商品理解示例，品牌：佳豐；口味：蒜香味

本文主要記錄下做這個(gè)任務(wù)上遇到的問題，踩的坑，模型的效果等。

主要內(nèi)容：

1. 怎么構(gòu)建命名實(shí)體識別（NER）任務(wù)的標(biāo)注數(shù)據(jù)

2. BertCRF 訓(xùn)練單標(biāo)簽識別過程及踩坑

3. BertCRF 訓(xùn)練超多標(biāo)簽識別過程及踩坑
4. CascadeBertCRF 訓(xùn)練超多標(biāo)簽識別過程及踩坑

NER任務(wù)標(biāo)注數(shù)據(jù)方法

其實(shí)對 NER 任務(wù)來說，怎么獲取標(biāo)注數(shù)據(jù)是比較重要、比較耗時(shí)費(fèi)力的工作。針對商品理解任務(wù)來說，想要獲取大量的標(biāo)注數(shù)據(jù)一般可以分為 3 種途徑：

1. 花錢外包，靠外包人肉打標(biāo)，羨慕有錢的公司。

2. 抓取其他平臺的數(shù)據(jù)，這塊也可以分成兩種情況，第一種是既抓標(biāo)題又抓標(biāo)簽-標(biāo)簽值，比如 標(biāo)題：珍味來（zhenweilai）小黃魚（燒烤味），品牌：珍味來（zhenweilai），口味：燒烤味，得到的數(shù)據(jù)直接可以訓(xùn)練模型了；第二種是只抓 標(biāo)簽-標(biāo)簽值，把所有類目下所有常見的標(biāo)簽抓下來，不抓標(biāo)題，然通過一些手段把標(biāo)簽掛到自己平臺的標(biāo)題上，構(gòu)造訓(xùn)練數(shù)據(jù)；第一種抓取得數(shù)據(jù)準(zhǔn)，但很難找到資源給抓，即使找到了也非常容易被風(fēng)控；第二種因?yàn)檎埱罅啃?，好抓一點(diǎn)，但掛標(biāo)簽這一步的準(zhǔn)確度會影響后面模型的效果。

3. 用自己平臺的商品標(biāo)題去請求一些開放 NER 的 api，比如阿里云、騰訊云、百度 ai 等，有些平臺的 api 是免費(fèi)的，有些 api 每天可以調(diào)用一定次數(shù)，可以白嫖，對于電商領(lǐng)域，阿里云的 NER 效果比其他家好一些。

BertCRF單標(biāo)簽NER模型

這部分主要記錄 BertCRF 在做單一標(biāo)簽（品牌）識別任務(wù)時(shí)踩的一些坑。

先把踩的坑列一下：

1. 怎么輕量化構(gòu)建 NER 標(biāo)注數(shù)據(jù)集。

2. bert tokenizer 標(biāo)題轉(zhuǎn) id 時(shí)，品牌值的 start idx、end idx 和原始的對不上，巨坑。

3. 單一標(biāo)簽很容易過擬合，會把不帶品牌的標(biāo)題里識別出一些品牌，識別出來的品牌也不對。

2.1 輕量化構(gòu)建標(biāo)注數(shù)據(jù)集

上面講到構(gòu)建 NER 標(biāo)注數(shù)據(jù)的常見 3 種方法，先把第一種就排除，因?yàn)闆]錢打標(biāo)；對于第三種，我嘗試了福報(bào)廠的 NER api，分基礎(chǔ)版 和 高級版，但評估下來發(fā)現(xiàn)不是那么準(zhǔn)確，召回率沒有達(dá)到要求，也排除了；

那就剩第二種方案了，首先嘗試了第二種里的第一種情況，既抓標(biāo)題又抓標(biāo)簽，很快發(fā)現(xiàn)就被風(fēng)控了，不管用自己寫的腳本還是公司的采集平臺，都繞不過風(fēng)控，便放棄了；所以就只抓標(biāo)簽-標(biāo)簽值，后面再用規(guī)則的方法掛到商品標(biāo)題上。

只抓標(biāo)簽和標(biāo)簽值相當(dāng)于構(gòu)建類目下標(biāo)簽知識庫了，有了類目限定之后，通過規(guī)則掛靠在商品標(biāo)題上時(shí)，會提高掛靠的準(zhǔn)確率。比如“夏季清涼短款連衣裙”，其中包含標(biāo)簽“裙長”：“短款”，如果不做類目限定，就會用規(guī)則掛出多個(gè)標(biāo)簽“衣長”：“短款”，“褲長”：“短款”，“裙長”：“短款”等等，類目限制就可以把一些非此類目的標(biāo)簽排除掉。

通過規(guī)則掛靠出的數(shù)據(jù)也會存在一些 bad case，盡管做了類目限制，但也有一定的標(biāo)錯(cuò)樣本；組內(nèi)其他同學(xué)在做大規(guī)模對比學(xué)習(xí)模型，于是用規(guī)則掛靠出的結(jié)果標(biāo)題——標(biāo)簽：標(biāo)簽值走一遍對比學(xué)習(xí)模型，把標(biāo)題向量和標(biāo)簽值向量相似得分高的樣本留下當(dāng)做優(yōu)質(zhì)標(biāo)注數(shù)據(jù)。

▲ 輕量化構(gòu)建NER標(biāo)注數(shù)據(jù)

通過以上步驟，不需要花費(fèi)很多人力，自己一人就可以完成整個(gè)流程，減少了很多人工標(biāo)注、驗(yàn)證的工作；得到的數(shù)據(jù)也足夠優(yōu)質(zhì)。

2.2 正確打標(biāo)label index

NER 任務(wù)和文本分類任務(wù)很像，文本分類任務(wù)是句子或整篇粒度，NER 是 token 或者 word 粒度的文本分類。

所以 NER 任務(wù)的訓(xùn)練數(shù)據(jù)和文本分類任務(wù)相似，但有一點(diǎn)點(diǎn)不同。對于文本分類任務(wù)，一整個(gè)標(biāo)題有 1 個(gè) label。

▲ 文本分類任務(wù)token和label對應(yīng)關(guān)系

對于 NER 任務(wù)，一整個(gè)標(biāo)題有一串 label，每個(gè) tokend 都有一個(gè) label。在做品牌識別時(shí)，設(shè)定 label 有 3 種取值。

"UNK"：0，" B_brand"：1，"I_brand"：2，其中 B_brand 代表品牌的起始位置，I_brand 代表品牌的中間位置。

▲品牌NER任務(wù)token和label對應(yīng)關(guān)系

搞清了 NER 任務(wù)的 label 形式之后，接下來就是怎么正確的給每個(gè)樣本打上 label，一般先聲明個(gè)和 title 長度一樣的全 0 列表，遍歷，把相應(yīng)位置置 1 或者 2 就可以得到樣本 label，下面是一個(gè)基礎(chǔ)的例子

a={
"title":"潘頓特級初榨橄欖油",
"att_name":"品牌",
"att_value":"潘頓",
"start_idx":0,
"end_idx":2
}
defset_label(text):
title=text['title']
label=[0]*len(title)
foridxinrange(text['start_idx'],text['end_idx']):
ifidx==text['start_idx']:
label[idx]=1
else:
label[idx]=2
returnlabel
text_label=set_label(a)
print(text_label)

但這里需要把 title 進(jìn)行 tokenizer id 化，bert tokenizer 之后的 id 長度可能會和原來的標(biāo)題長度不一致，包含有些英文會拆成詞綴，空格也會被丟棄，導(dǎo)致原始的 start_idx 和 end_idx 發(fā)生偏移，label 就不對了。

這里先說結(jié)論：強(qiáng)烈建議使用 list（title）全拆分標(biāo)題，再使用 tokenizer.convert_tokens_to_ids 的方式 id 化?。?！

剛開始沒有使用上面那種方式，用的是 tokenizer（title）進(jìn)行 id 化再計(jì)算偏移量，重新對齊 label，踩了 2 個(gè)坑

1. tokenizer 拆分英文變成詞綴，start index 和 end index 會發(fā)生偏移，盡管有offset_mapping 可以記錄偏移的對應(yīng)關(guān)系，但真正回退偏移時(shí)還會遇到問題；

2. 使用 tokenizer（title）的方式，預(yù)測的時(shí)候會遇到?jīng)]法把 id 變成 token；比如下面這個(gè)例子，

fromtransformersimportAutoTokenizer
tokenizer=AutoTokenizer.from_pretrained('../bert_pretrain_model')
input_id=tokenizer('呫頓')['input_ids']
token=[tokenizer.convert_ids_to_tokens(w)forwininput_id[1:-1]]
#['[UNK]','頓']

因?yàn)椤皡恪笔巧ё?，使?convert_ids_to_tokens 是沒法知道原始文字是啥的，有人可能會說，預(yù)測出 index 之后，直接去標(biāo)題里拿字不就行了，不用 convert_ids_to_tokens；上面說過，預(yù)測出來的 index 和原始標(biāo)題的文字存在 offset，這樣流程就變成

▲ 使用tokenizer id化label對應(yīng)關(guān)系

所以，還是強(qiáng)烈建議使用 list（title）全拆分標(biāo)題，再使用 tokenizer.convert_tokens_to_ids 的方式 id 化?。?！

這樣就不存在偏移的問題，start idx 和 end idx 不會變化，預(yù)測的時(shí)候不需要使用 convert_ids_to_tokens，直接用 index 去列表里 token list 取字

正確打標(biāo) label 非常重要，不然訓(xùn)練的模型就會很詭異。建議在代碼里加上校驗(yàn)語句，不管使用哪種方法，有考慮不全的地方，就會報(bào)錯(cuò)

assertattribute_value==title[text['start_idx']:text['end_idx']]

2.3 BertCRF模型結(jié)構(gòu)

Pytorch 寫 BertCRF 很簡單，可能會遇到 CRF 包安裝問題，可以不安裝，直接把 crf.py 文件拷貝到項(xiàng)目里引用。

classBertCRF(nn.Module):
def__init__(self,num_labels):
super(BertCRF,self).__init__()
self.config=BertConfig.from_pretrained('../xxx/config.json')
self.bert=BertModel.from_pretrained('../xxx')
self.dropout=nn.Dropout(self.config.hidden_dropout_prob)
self.classifier=nn.Linear(self.config.hidden_size,num_labels)
self.crf=CRF(num_tags=num_labels,batch_first=True)
defforward(
self,
input_ids=None,
attention_mask=None,
token_type_ids=None,
labels=None,
):
outputs=self.bert(
input_ids,
attention_mask=attention_mask,
token_type_ids=token_type_ids,
)
sequence_output=outputs[0]
sequence_output=self.dropout(sequence_output)
logits=self.classifier(sequence_output)
outputs=(logits,)
iflabelsisnotNone:
loss=self.crf(emissions=logits,tags=labels,mask=attention_mask)
outputs=(-1*loss,logits)
returnoutputs

2.4 緩解過擬合問題

只做一個(gè)標(biāo)簽（品牌）識別時(shí)，訓(xùn)練集是 標(biāo)題-品牌值 pair 對，每個(gè)樣本都有品牌值。由于品牌長尾現(xiàn)象嚴(yán)重，這里對熱門品牌的數(shù)據(jù)進(jìn)行了采樣，1 個(gè)品牌最少包含 100 個(gè)標(biāo)題，最多包含 300 個(gè)標(biāo)題，數(shù)據(jù)分布如下

模型關(guān)鍵參數(shù)

max_seq_length=50
train_batch_size=256
epochs=3
learning_rate=1e-5
crf_learning_rate=5e-5

第一版模型訓(xùn)練之后，驗(yàn)證集 F1 0.98，通過分析驗(yàn)證數(shù)據(jù)的 bad case，發(fā)現(xiàn)模型對包含品牌的標(biāo)題預(yù)測效果還不錯(cuò)，但是對不包含品牌的標(biāo)題，幾乎全軍覆沒，都會抽出 1、2 個(gè)字出來，模型過擬合了。而且抽出的字一般都是標(biāo)題前 1、2 個(gè)字，這與商品品牌一般都在標(biāo)題前面有關(guān)。

針對過擬合問題及表現(xiàn)的現(xiàn)象，嘗試了 2 種方法：

1. 既然對沒有品牌的標(biāo)題一般都抽出前 1、2 個(gè)字，那在訓(xùn)練的時(shí)候把品牌從前面隨機(jī)插入到標(biāo)題中間、尾部等位置，是不是可以緩解。

2. 構(gòu)建訓(xùn)練集的時(shí)候加入一些負(fù)樣本，負(fù)樣本里 label 都是 0，不包含品牌，正負(fù)樣本比 1:1。

法 1 訓(xùn)練之后，沒有解決問題，而且過擬合問題更加嚴(yán)重了

法 2 訓(xùn)練之后，過擬合問題解決了，增加了近 1 倍樣本，訓(xùn)練時(shí)間翻倍。

BertCRF 模型訓(xùn)練完之后，通過分析 bad case，會發(fā)現(xiàn)有的數(shù)據(jù)模型預(yù)測是對的，標(biāo)注時(shí)標(biāo)錯(cuò)了，模型有一定的糾錯(cuò)能力，transformer 強(qiáng)啊！

美國新安怡（fsoothielp）安撫奶嘴。標(biāo)注品牌：”soothie“；預(yù)測品牌：“新安怡（fsoothielp）”

美羚富奶羊羊羊粉 2 段。標(biāo)注品牌：“羊羊羊”，預(yù)測品牌：“美羚”

針對 BertCRF 在 Finetune 時(shí)有 2 種方式，一種是 linear probe，只訓(xùn)練 CRF 和線性層，凍結(jié) Bert 預(yù)訓(xùn)練參數(shù)，這種方式訓(xùn)練飛快；另一種是不凍結(jié) Bert 參數(shù)，模型所有參數(shù)都更新，訓(xùn)練很慢。

一般在 Bert 接下游任務(wù)時(shí)，我都會選擇第二種全部訓(xùn)練的方式，不凍結(jié)參數(shù)，雖然訓(xùn)練慢，但擬合能力強(qiáng)；尤其是用 bert-base 這類預(yù)訓(xùn)練模型時(shí)，這些模型在電商領(lǐng)域直接適配并不會很好，更新 bert 預(yù)訓(xùn)練參數(shù)，能讓模型向電商標(biāo)題領(lǐng)域進(jìn)行遷移。

BertCRF多標(biāo)簽NER模型

這部分主要記錄 BertCRF 訓(xùn)練超多標(biāo)簽識別時(shí)，遇到的問題，模型的效果等。

先把踩的坑列一下：

1. 爆內(nèi)存問題，因?yàn)橐?xùn)練多標(biāo)簽，所以訓(xùn)練數(shù)據(jù)很多，千萬級別，dataloader 過程中內(nèi)存不夠。

2. 爆顯存問題，CRF 的坑，下面會細(xì)說。

3. 訓(xùn)練完的模型，預(yù)測時(shí)召回能力不強(qiáng)，準(zhǔn)確率夠用。

多標(biāo)簽和單標(biāo)簽時(shí)，模型的結(jié)構(gòu)不變，和上面的代碼一模一樣。

3.1 爆內(nèi)存問題

和單標(biāo)簽一樣，也對每個(gè)標(biāo)簽值進(jìn)行了采樣，減少標(biāo)簽值的長尾分布現(xiàn)象。1 個(gè)標(biāo)簽值最少包含 100 個(gè)標(biāo)題，最多包含 300 個(gè)標(biāo)題。數(shù)據(jù)分布如下

一個(gè)標(biāo)簽有多個(gè)標(biāo)簽值，比如“顏色”：“紅”，“黃”，“綠”，...等。一個(gè)標(biāo)簽有 2 個(gè) label 值，B 代表起始位置，I 代表終止位置，所以整體有 1212 + 1 個(gè)類別，1 代表 UNK。

單類別負(fù)采樣后訓(xùn)練數(shù)據(jù)總共 200w 左右，多類別時(shí)沒負(fù)采樣訓(xùn)練數(shù)據(jù) 900 多 w，數(shù)據(jù)量多了 4 倍，原有的 dataset 沒有優(yōu)化內(nèi)存，到多標(biāo)簽這里就爆內(nèi)存了。

把特征處理的模塊從__init__里轉(zhuǎn)移到__getitem__函數(shù)里，這樣就可以減少很多內(nèi)存使用了

舊版本的 dataset 函數(shù)

classMyDataset(Dataset):
def__init__(self,text_list,tokenizer,max_seq_len):
self.input_ids=[]
self.token_type_ids=[]
self.attention_mask=[]
self.labels=[]
self.input_lens=[]
self.len=len(text_list)
fortextintqdm(text_list):
input_ids,input_mask,token_type_ids,input_len,label_ids=feature_process(text,tokenizer,max_seq_len)
self.input_ids.append(input_ids)
self.token_type_ids.append(token_type_ids)
self.attention_mask.append(input_mask)
self.labels.append(label_ids)
self.input_lens.append(input_len)
def__getitem__(self,index):
tmp_input_ids=torch.tensor(self.input_ids[index]).to(device)
tmp_token_type_ids=torch.tensor(self.token_type_ids[index]).to(device)
tmp_attention_mask=torch.tensor(self.attention_mask[index]).to(device)
tmp_labels=torch.tensor(self.labels[index]).to(device)
tmp_input_lens=torch.tensor(self.input_lens[index]).to(device)
returntmp_input_ids,tmp_attention_mask,tmp_token_type_ids,tmp_input_lens,tmp_labels
def__len__(self):
returnself.len

新版本的 dataset 函數(shù)

classMyDataset(Dataset):
def__init__(self,text_list,tokenizer,max_seq_len):
self.text_list=text_list
self.len=len(text_list)
self.tokenizer=tokenizer
self.max_seq_len=max_seq_len
def__getitem__(self,index):
raw_text=self.text_list[index]
input_ids,input_mask,token_type_ids,input_len,label_ids=feature_process(raw_text,
self.tokenizer,
self.max_seq_len)
tmp_input_ids=torch.tensor(input_ids).to(device)
tmp_token_type_ids=torch.tensor(token_type_ids).to(device)
tmp_attention_mask=torch.tensor(input_mask).to(device)
tmp_labels=torch.tensor(label_ids).to(device)
tmp_input_lens=torch.tensor(input_len).to(device)
returntmp_input_ids,tmp_attention_mask,tmp_token_type_ids,tmp_input_lens,tmp_labels
def__len__(self):
returnself.len

可以看到新版本比舊版本減少了 5 個(gè)超大的 list，爆內(nèi)存的問題就解決了，雖然這塊會有一定的速度損失。

3.2 爆顯存問題

當(dāng)標(biāo)簽個(gè)數(shù)少時(shí)，BertCRF 模型最大 tensor 是 bert 的 input，包含 input_ids，attention_mask，token_type_ids三個(gè)tensor，維度是（batch size，sequence length，hidden_size=768），對于商品標(biāo)題數(shù)據(jù) sequence length=50，顯存占用大小取決于 batch size，僅做品牌識別，16G 顯存 batch size=300，32G 顯存 batch size=700。

但當(dāng)標(biāo)簽個(gè)數(shù)多時(shí)，BertCRF 模型最大 tensor 來自 CRF 這貨了，這貨具體原理不展開，后面會單獨(dú)寫一期，只講下這貨代碼里的超大 tensor。

CRF 在做 forward 時(shí)，函數(shù)_compute_normalizer 里的 next_score shape 是（batch_size, num_tags, num_tags），當(dāng)做多標(biāo)簽時(shí)，num_tags=1212，（batch_size, 1212, 1212）>>（batch_size, 50, 768），這個(gè) tensor 遠(yuǎn)遠(yuǎn)大于 bert 的輸入了，多標(biāo)簽時(shí)，16G 顯存 batch size=32，32G 顯存 batch size=80

#shape:(batch_size,num_tags,num_tags)
next_score=broadcast_score+self.transitions+broadcast_emissions

排查到爆顯存的原因之后，也沒找到好的優(yōu)化辦法，CRF 這貨在多標(biāo)簽時(shí)太慢了，又占顯存。

3.3 模型效果

經(jīng)過近 4 天的顯卡火力全開之后，1k+ 類別的模型訓(xùn)練完成了。使用測試數(shù)據(jù)對模型進(jìn)行驗(yàn)證，得到 3 個(gè)結(jié)論

1. 模型沒有過擬合，盡管訓(xùn)練數(shù)據(jù)沒有負(fù)樣本

2. 模型預(yù)測準(zhǔn)確率高，但召回能力不強(qiáng)

3. 模型對單標(biāo)簽樣本預(yù)測效果好，多標(biāo)簽樣本預(yù)測不全，僅能預(yù)測 1~2 個(gè)，和 2 類似

先說一下模型為什么沒有出現(xiàn)單標(biāo)簽時(shí)的過擬合問題，因?yàn)樵诮?1k 個(gè)標(biāo)簽?zāi)Ｐ陀?xùn)練時(shí)，學(xué)習(xí)難度直接上去了，模型不會很快的收斂，單標(biāo)簽時(shí)任務(wù)過于簡單，容易出現(xiàn)過擬合。

驗(yàn)證模型效果時(shí)，先定義怎么算正確：假設(shè)一個(gè)標(biāo)題包含 3 個(gè)標(biāo)簽，預(yù)測時(shí)要把這 3 個(gè)標(biāo)簽都識別出來，并且標(biāo)簽值也要對的上，才算正確；怎么算錯(cuò)誤：識別的標(biāo)簽個(gè)數(shù)少于真實(shí)的標(biāo)簽個(gè)數(shù)，識別的標(biāo)簽值和真實(shí)的對不上都算錯(cuò)誤。

使用 105w 驗(yàn)證數(shù)據(jù)，整體準(zhǔn)確率 803388/1049268=76.5%，如果把預(yù)測不全，但預(yù)測對的樣本也算進(jìn)來的話，準(zhǔn)確率（803388+76589）/1049268=83.9%。

對 bad case 進(jìn)行分析，模型對于 1 個(gè)標(biāo)題中含有多個(gè)標(biāo)簽時(shí)，識別效果不好，表現(xiàn)現(xiàn)象是識別不全，一般只識別出 1 個(gè)標(biāo)簽，統(tǒng)計(jì)驗(yàn)證數(shù)據(jù)里標(biāo)簽個(gè)數(shù)和樣本個(gè)數(shù)的關(guān)系，這個(gè)指標(biāo)算是標(biāo)簽個(gè)數(shù)維度的召回率

多標(biāo)簽樣本是指一個(gè)標(biāo)題中包含多個(gè)標(biāo)簽，比如下面這個(gè)商品包含 5 個(gè)標(biāo)簽。

標(biāo)題：“吊帶潮流優(yōu)雅純色氣質(zhì)收腰高腰五分袖喇叭袖連體褲 2018 年夏季”。

標(biāo)簽：袖長：五分袖；上市時(shí)間：2018年夏季；風(fēng)格：優(yōu)雅；圖案：純色；腰型：高腰。

可以看到對于標(biāo)簽數(shù)越多的標(biāo)題，模型的識別效果越不好，然后我分析了訓(xùn)練數(shù)據(jù)的標(biāo)簽個(gè)數(shù)個(gè)樣本數(shù)的關(guān)系，可以看到在訓(xùn)練數(shù)據(jù)里，近 90% 的樣本僅只有一個(gè)標(biāo)簽，模型對多標(biāo)簽識別效果不好主要和這個(gè)有關(guān)系。

所以在構(gòu)建數(shù)據(jù)集時(shí)，可以平衡一下樣本數(shù)，多加一些多標(biāo)簽的樣本到訓(xùn)練集，這樣對多標(biāo)簽樣本的適配能力也會增強(qiáng)。

但多標(biāo)簽樣本本身收集起來會遇到困難，于是我又發(fā)現(xiàn)了一個(gè)新的騷操作

沒法獲得更多的多標(biāo)簽樣本提升模型的召回能力咋辦呢？模型不是對單標(biāo)簽樣本很牛 b 嘛，那在預(yù)測的時(shí)候，每次如果有標(biāo)簽提取出來，就從標(biāo)題里把已經(jīng)預(yù)測出的標(biāo)簽值刪掉，繼續(xù)預(yù)測，循環(huán)預(yù)測，直到預(yù)測是空終止。

第一次預(yù)測

input title：吊帶潮流優(yōu)雅純色氣質(zhì)收腰高腰五分袖喇叭袖連體褲2018年夏季
predict label：袖長:五分袖

把五分袖從標(biāo)題里刪除，進(jìn)行第二次預(yù)測

input title：吊帶潮流優(yōu)雅純色氣質(zhì)收腰高腰喇叭袖連體褲2018年夏季
predict label：上市時(shí)間:2018年夏季

把2018年夏季從標(biāo)題里刪除，進(jìn)行第三次預(yù)測

input title：吊帶潮流優(yōu)雅純色氣質(zhì)收腰高腰喇叭袖連體褲
predict label：風(fēng)格:優(yōu)雅

把優(yōu)雅從標(biāo)題里刪除，進(jìn)行第四次預(yù)測

input title：吊帶潮流純色氣質(zhì)收腰高腰喇叭袖連體褲
predict label：圖案:純色

把純色從標(biāo)題里刪除，進(jìn)行第五次預(yù)測

吊帶潮流氣質(zhì)收腰高腰喇叭袖連體褲
predict label：腰型:高腰

把高腰從標(biāo)題里刪除，進(jìn)行第六次預(yù)測

input title：吊帶潮流氣質(zhì)收腰喇叭袖連體褲
predict label：預(yù)測為空

可以看到，標(biāo)簽被一個(gè)接一個(gè)的準(zhǔn)確預(yù)測出，這種循環(huán)預(yù)測是比較耗時(shí)的，離線可以，在線吃不消；能找到更多 多標(biāo)簽數(shù)據(jù)補(bǔ)充到訓(xùn)練集里是正確的方向。

多標(biāo)簽 CRF 爆顯存，只能設(shè)定小 batch size 慢慢跑的問題不能解決嘛？當(dāng)然可以，卷友們提出了一種多任務(wù)學(xué)習(xí)的方法，CRF 只學(xué)習(xí) token 是不是標(biāo)簽實(shí)體，通過另一個(gè)任務(wù)區(qū)分 token 屬于哪個(gè)標(biāo)簽類別。

CascadeBertCRF多標(biāo)簽?zāi)Ｐ?/span>

4.1 模型結(jié)構(gòu)

在標(biāo)簽數(shù)目過多時(shí)，BertCRF 由于 CRF 這貨的問題，導(dǎo)致模型很耗顯存，訓(xùn)練也很慢，這種方式不太科學(xué)，也會影響效果。

從標(biāo)簽過多這個(gè)角度出發(fā)，卷友們提出把 NER 任務(wù)拆分成多任務(wù)學(xué)習(xí)，一個(gè)任務(wù)負(fù)責(zé)識別 token 是不是實(shí)體，另一個(gè)任務(wù)判斷實(shí)體屬于哪個(gè)類別。

這樣 NER 任務(wù)的 lable 字典就只有"B"、"I"、"UNK"三個(gè)值了，速度嗖嗖的；而判斷實(shí)體屬于哪個(gè)類別用線性層就可，速度也很快，模型顯存占用很少。

▲ 左單任務(wù)NER模型；右多任務(wù)NER模型

Cascade 的意思是級聯(lián)。就是把 BERT 的 token 向量過一遍 CRF 之后，再過一遍 Dense 層分類。但這里面有一些細(xì)節(jié)。

訓(xùn)練時(shí)，BERT 的 tokenx 向量過一遍 Dense 層分類，但不是所有 token 都計(jì)算 loss，是把 CRF 預(yù)測是實(shí)體的 token 拿出來算 loss，CRF 預(yù)測不是實(shí)體的不計(jì)算 loss，一個(gè)實(shí)體有多個(gè) token，每個(gè) token 都計(jì)算 loss；預(yù)測時(shí)，把實(shí)體的每個(gè) token 分類結(jié)果拿出來，設(shè)計(jì)了三種類別獲取方式。

比如“蒜香味”在模型的 CRF 分支預(yù)測出是實(shí)體，標(biāo)簽對應(yīng) "B"、"I"、"I"；接下要解析這個(gè)實(shí)體屬于哪個(gè)類別，在 Dense 分支預(yù)測的結(jié)果可能會有四種

1. “蒜香味”對應(yīng)的 Dense 結(jié)果是 “unk”、“unk”、“unk”，沒識別出實(shí)體類別

2. “蒜香味”對應(yīng)的 Dense 結(jié)果是 “口味”、“口味”、“口味”，每個(gè) token 都對

3. “蒜香味”對應(yīng)的 Dense 結(jié)果是 “unk”、"口味"、"口味"，有的 token 對，有的token 沒識別出

4. “蒜香味”對應(yīng)的 Dense 結(jié)果是 “unk”、“品牌”、“口味”，有的 token 對了，有的 token 沒識別出，有的 token 錯(cuò)了

針對上面 4 中結(jié)果，可以看到 4、3、2 越來越嚴(yán)謹(jǐn)。在評估模型效果時(shí)，采用 2 是最嚴(yán)的，就是預(yù)測的 CRF 結(jié)果要對，Dense 結(jié)果中每個(gè) token 都要對，才算完全正確；3 和 4 越來越寬松。

4.2 模型代碼

importtorch
fromcrfimportCRF
fromtorchimportnn
fromtorch.nnimportCrossEntropyLoss
fromtransformersimportBertModel,BertConfig
classCascadeBertCRF(nn.Module):
def__init__(self,bio_num_labels,att_num_labels):
super(CascadeBertCRF,self).__init__()
self.config=BertConfig.from_pretrained('../bert_pretrain_model/config.json')
self.bert=BertModel.from_pretrained('../bert_pretrain_model')
self.dropout=nn.Dropout(self.config.hidden_dropout_prob)
self.bio_classifier=nn.Linear(self.config.hidden_size,bio_num_labels)#crf預(yù)測字是不是標(biāo)簽
self.att_classifier=nn.Linear(self.config.hidden_size,att_num_labels)#預(yù)測標(biāo)簽屬于哪個(gè)類別
self.crf=CRF(num_tags=bio_num_labels,batch_first=True)
defforward(
self,
input_ids=None,
attention_mask=None,
token_type_ids=None,
bio_labels=None,
att_labels=None,
):
outputs=self.bert(
input_ids,
attention_mask=attention_mask,
token_type_ids=token_type_ids,
)
sequence_output=outputs[0]
sequence_output=self.dropout(sequence_output)
bio_logits=self.bio_classifier(sequence_output)#(batchsize,sequencelength,bio_num_labels)
num_bio=bio_logits.shape[-1]
reshape_bio_logits=bio_logits.view(-1,num_bio)#(batchsize*sequencelength,bio_num_labels)
pred_bio=torch.argmax(reshape_bio_logits,dim=1)#ner預(yù)測的bio結(jié)果
no_zero_pred_bio_index=torch.nonzero(pred_bio)#取出ner結(jié)果非0的token
att_logits=self.att_classifier(sequence_output)#(batchsize,sequencelength,att_num_labels)
num_att=att_logits.shape[-1]#att_num_labels
att_logits=att_logits.view(-1,num_att)#(batchsize*sequencelength,att_num_labels)
outputs=(bio_logits,att_logits)
ifbio_labelsisnotNoneandatt_labelsisnotNone:
select_att_logits=torch.index_select(att_logits,0,no_zero_pred_bio_index.view(-1))
select_att_labels=torch.index_select(att_labels.contiguous().view(-1),0,no_zero_pred_bio_index.view(-1))
loss_fct=CrossEntropyLoss()
select_att_loss=loss_fct(select_att_logits,select_att_labels)
bio_loss=self.crf(emissions=bio_logits,tags=bio_labels,mask=attention_mask)
loss=-1*bio_loss+select_att_loss
outputs=(loss,-1*bio_loss,bio_logits,select_att_loss,att_logits)
returnoutputs

4.3 模型效果

上面提到評估 Dense 的結(jié)果會遇到 4 種情況，使用第 4 種方式進(jìn)行指標(biāo)評估；NER 的識別效果和上面一致。

使用 105w 驗(yàn)證數(shù)據(jù)，整體準(zhǔn)確率 792386/1049268=75.5%，比 BertCRF 低 1 個(gè)點(diǎn)；把預(yù)測不全，但預(yù)測對的樣本也算進(jìn)來的話，準(zhǔn)確率（147297+792386）/1049268=89.6%，比 BertCRF 高 5 個(gè)點(diǎn)；

標(biāo)簽個(gè)數(shù)和預(yù)測標(biāo)簽個(gè)數(shù)的對照關(guān)系：

CascadeBertCRF 模型的召回率比 BertCRF 要低，但模型的準(zhǔn)確率會高一些。CascadeBertCRF 相比 BertCRF，主要是提供了一種超多實(shí)體識別的訓(xùn)練思路，且模型的效果沒有損失，訓(xùn)練速度和推理速度有大幅提高。

把實(shí)體從標(biāo)題里刪掉訓(xùn)練預(yù)測的方法也同樣適用 CascadeBertCRF。

---

審核編輯 ：李倩