[论文笔记]UNILM

愤怒的可乐 • 2023年10月21日 17:31 • 1年前 • 编程日记 • 阅读(15) • 违法举报

引言

今天带来论文Unified Language Model Pre-training for Natural Language Understanding and Generation的笔记，论文标题是统一预训练语言模型用于自然语言理解和生成。

本篇工作提出了一个新的统一预训练语言模型(Unifield pre-trained Language Model,UniLM)，可以同时用于自然语言理解和生成任务的微调。

该模型基于三种语言建模任务来预训练：单向、双向和seq-to-seq预测。统一建模是通过使用共享的Transformer网络和特定的自注意力掩码控制预测所依赖的上下文来实现的。

预训练语言模型(LM)通过在大量文本数据上基于上下文预测单词的方式来学习上下文文本表征。不同的预测任务和训练目标被用于预训练语言模型，如表1。

ELMo学习两个单向的LM：一个前向的LM从左到右读取文本，一个反向LM从右到左。GPT使用一个左到右的Transformer来逐单词地预测文本序列。反之，BERT使用双向的Transformer编码器去融合左向和右向的上下文来预测被mask的单词，但它的双向特性使它很难应用于文本生成任务。

文章来源地址https://uudwc.com/A/8dnGB

原文地址:https://blog.csdn.net/yjw123456/article/details/133468634

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：如若内容造成侵权/违法违规/事实不符，请联系站长进行投诉反馈，一经查实，立即删除！