NER中的一些编码器与解码器
本篇文章是命名实体识别（NER）算法的进一步介绍，主要内容是介绍一些编码器与解码器，作为上一篇内容的补充。
参考
中文NER的正确打开方式: 词汇增强方法总结 (从Lattice LSTM到FLAT)
GlobalPointer：用统一的方式处理嵌套和非嵌套NER
如何解决transformer对NER效果不佳的问题
1、Sinusoidal位置编码追根溯源
Lex-BERT：超越FLAT的中文NER模型？
中文实体识别最新SOTA算法Lex-Bert算法效果复现
编码
关于编码部分，我想更多的介绍一些中文编码的内容，我们知道中文都是对字进行编码的，如果能够将词汇信息加入到其中，能够提供更为丰富的信息。
对于bert而言，对于中文他是对字进行处理的，可以对句子进行分词，对分词的position进行编码，然后和bert输出的字向量concat，再接上解码器会增加一些效果。但是BERTBERT存在推断慢的问题，因此如果我们面对低延时的要求时，可能需要考虑一下其他的模型。比如在命名实体识别（NER）算法中我们介绍了Lattice LSTM就引入了词汇的信息。
Lattice LSTM中存在一些缺点：
- 计算性能低下，不能batch并行化。原因是每个字符之间的word cell数目不一致。
- 信息损失。只有以该字符为结尾的词汇信息，才会被融入到字符中，也就是说词汇的中间部分是无法获取词汇的表征的。比如：“南京市”，只有 “市” 才可以获取“南京市”的词汇信息，而“京”中不包含“南京市”的信息。而且，由于RNN的特性，采取BiLSTM时其前向和后向的词汇信息不能共享。
LR-CNN
CNN-Based Chinese NER with Lexicon Rethinking。
Lattice LSTM采取RNN结构，无法有效处理信息冲突问题，如上图所示，对于【州】和【长】都无法仅仅根据上文信息得到标签，对于这种冲突问题，我们需要利用全局信息解决。
LR-CNN的结构如下：
首先，有句子
C
=
{
c
1
,
c
2
,
⋯
,
c
M
}
C={c_1,c_2,cdots,c_M}
C={c1,c2,⋯,cM}，其中的
c
i
c_i
ci表示第
i
i
i个位置上通过字符embedding得到的结果。在此之上，建立
L
L
L层CNN层，每一层的感受野均为2，这样对第二层而言就提取了2-gram的特征（第一层为embedding层），且能推出在第
l
l
l层，得到的是l-gram的特征：
定义
w
m
l
=
{
c
m
,
⋯
,
c
m
+
l
−
1
}
w_m^l={ c_m,cdots,c_{m+l-1}}
wml={ cm,⋯,cm+l−1}，且根据（1）可知，
C
m
l
C_m^l
Cml与
w
m
l
w_m^l
wml有关，使用attention将这两者结合起来，得到一个融合的信息：
从而，我们可以得到最高层的表征为
X
m
L
X_m^L
XmL，这个表征我们可以认为包含尽可能多的全局信息，然后再用这个信息“feedback”给每一层CNN，调整词汇信息的权值，得到每一层新的信息（这一步主要是为了解决信息冲突的问题）：
最后跟一个attention层：
这个结果最终被喂到CRF去解码。
FLAT
Chinese NER Using Flat-Lattice Transformer
tips:
从上图可以看出，FLAT采用的是Transformer，而在之前的博客中提到Transformer不太适合做NER任务。参考如何解决transformer对NER效果不佳的问题 这篇文章。
这里我没太看懂，我的理解是transformer的attention部分是天然对称的，所以他提出了Sinusoidal位置编码 想要打破这种对称性，于是f
(
.
.
.
x
n
,
.
.
.
.
x
m
,
.
.
.
)
f(...x_n,....x_m,...)
f(...xn,....xm,...)变成了：
f
(
.
.
.
x
n
+
p
n
,
.
.
.
.
x
m
+
p
m
,
.
.
.
)
f(...x_n+p_n,....x_m+p_m,...)
f(...xn+pn,....xm+pm,...) 只要每个位置的编码不同，就不具备这种对称性了。
另外，如果我们做到内积部分，将query*key展开，有:
q
i
k
j
T
=
x
i
W
Q
W
K
T
x
j
T
+
x
i
W
Q
W
K
T
p
j
T
+
p
i
W
Q
W
K
T
x
j
T
+
p
i
W
Q
W
K
T
p
j
T
{q}_i {k}_j^{T} = {x}_i {W}_Q {W}_K^{T}{x}_j^{T} + {x}_i {W}_Q {W}_K^{T}{p}_j^{T} + {p}_i {W}_Q {W}_K^{T}{x}_j^{T} + {p}_i {W}_Q {W}_K^{T}{p}_j^{T}
qikjT=xiWQWKTxjT+xiWQWKTpjT+piWQWKTxjT+piWQWKTpjT
中间两项并没有被证明其对称性。
这一部分，有大神垂帘我一下私信我教教我么，谢谢。
FLAT设计了一种position encoding的方式融合Lattice结构，如上图所示，输入包括三个部分：token，head (position)，tail (position)；token可以是字符也可以是词，对于字符而言，head=tail，对于词而言，head<tail。采用这种方式重构Lattice结构，又因为transformer的特性，FLAT可以直接建模字符与所有匹配的词汇信息间的交互，例如，字符[药]可以匹配词汇[人和药店]和[药店]。
而且FLAT改变了原生Transformer位置编码的方式（Sinusoidal 绝对位置编码），而是提出一种新的相对位置编码（一般来说，对于自然语言更依赖相对位置，相对来说，相对位置比绝对位置有更优秀的表现）。
这里的相对距离定义为：
融合：
其中：
最终attention score的计算方式如下：
其有效的原因是：新的相对位置的encoding 有助于定位实体span，引入词汇的word embedding有利于实体type信息的分类。
Lex-BERT
论文原地址找不到了，实在是很奇怪，但是增加实体类型信息的方法可以借鉴一下。
Lex-BERT 引入了 高质量的带有实体类型信息的词表 （如果公司有这个词表的话我觉得可以试试这个方法）。
lex-bert 前提是拥有类型type信息的词汇表。论文作者给出两个版本的Lex-BERT:
- Lex-BERT V1: 将type信息的标识符嵌入到词汇前后；[v][/v] [d][/d]代表的是具体的实体类型。
- Lex-BERT V2: 将type信息的标识符拼接input后，然后与原始word起始的token共享相同的position embedding。
上图为Lex_BERT v2使用的attention mask矩阵。通过这个mask矩阵，可以使得文本token只与文本token做attend，标识符token可以attend所有的token。
论文给出的效果：
解码
GlobalPointer
该解码器是苏神提出的一种可以处理嵌套与非嵌套NER的解码器。更多内容可以参见GlobalPointer：用统一的方式处理嵌套和非嵌套NER
然后，在其中加入相对位置编码，能大幅提升性能：
最后利用将“softmax+交叉熵”推广到多标签分类问题中提到的损失函数，得到其损失为：
其代码链接为： https://github.com/bojone/GlobalPointer