2． 非自回歸解碼

最后介紹一下基于非自回歸的解碼方法，傳統(tǒng)的解碼方法是順序生成的。如果能夠使得解碼的時(shí)候并行的方式生成，這速度將會(huì)大大的提升。

傳統(tǒng)的非自回歸模型的做法是，在Transformer Encoder端頭部加一個(gè)Fertility預(yù)測(cè)，用來(lái)預(yù)測(cè)每個(gè)源端Token能翻譯成一個(gè)目標(biāo)端的Token，然后根據(jù)預(yù)測(cè)的結(jié)果，將源端的Token拷貝到Decoder的輸入，如果一個(gè)源端Token能夠翻譯兩個(gè)目標(biāo)Token，那就拷貝兩次，如果源端Token不會(huì)翻譯成目標(biāo)端Token，那就不拷貝。由于每一步輸出的譯文是沒(méi)有給到下一步的，所以是可以并行的。對(duì)于Fertility的訓(xùn)練是采用某種對(duì)齊模型，通過(guò)計(jì)算源端和目標(biāo)端的對(duì)齊關(guān)系，然后就可以得到源端和目標(biāo)端的對(duì)齊結(jié)果，就可以采用監(jiān)督的方式來(lái)訓(xùn)練Fertility分支。

該方法有一個(gè)問(wèn)題，就是在翻譯當(dāng)前步的時(shí)候沒(méi)有考慮上一步的翻譯信息。這樣就可能導(dǎo)致翻譯結(jié)果的流暢度不夠好。我們的方法就是在該方法的基礎(chǔ)上添加了序列上的信息。這樣模型既能并行執(zhí)行，又能考慮的到前后的序列關(guān)系。

我們的工作分為兩個(gè)方面，一個(gè)是在訓(xùn)練上添加序列信息，一個(gè)是在模型上面同樣也添加序列信息。序列訓(xùn)練采用的是Reinforce的方法，Reinforce的方法非常難以訓(xùn)練，這是因?yàn)槠浞讲罘浅４螅�方差大的原因是�?qiáng)化學(xué)習(xí)episode（一條軌跡從開(kāi)始到結(jié)束）的搜索空間非常大，我們每次只是采樣出一個(gè)episode，然后根據(jù)這個(gè)episode進(jìn)行計(jì)算，通過(guò)大數(shù)定律，我們可以假設(shè)這最終得到的是一個(gè)梯度的無(wú)偏估計(jì)。但是在實(shí)際情況下，抖動(dòng)是非常大的。

將Reinforce算法應(yīng)用到我們這個(gè)場(chǎng)景，首先看第一個(gè)公式，由于目標(biāo)端詞的概率是獨(dú)立的，所以就可以寫(xiě)成連乘的形式，第二個(gè)公式就是傳統(tǒng)的Reinforce公式，就是翻譯的reward。是通過(guò)前向后向算法計(jì)算出來(lái)的當(dāng)前步的reward。

上面的slides介紹的是計(jì)算reward時(shí)候的不同，接下來(lái)看sampling機(jī)制的區(qū)別。根據(jù)生成前后詞的獨(dú)立性，每一步我們并不是采樣出一個(gè)詞，而是采樣出K＋1個(gè)詞。這樣的話就可以看做我們一次更新的過(guò)程中考慮到更多的episode，而不是僅用一個(gè)episode就去訓(xùn)練了。具體的做法是，每一步，我們先取Top－K，計(jì)算一下?lián)p失函數(shù)的值，然后從剩下的Token中再采樣出來(lái)一個(gè)。我們將這兩部分的loss合起來(lái)，是為了保證無(wú)偏估計(jì)。為前k個(gè)翻譯的概率的和。

另外一個(gè)方法就是模型上的改進(jìn)，在非自回歸層的上面加上自回歸層。具體的做法是，模型分為 Bottom Layer，F(xiàn)usion Layer，Top Layer。Bottom Layer就是之前介紹的非自回歸模型，F(xiàn)usion Layer的作用是將非自回歸模型的輸出和其Embedding整合起來(lái)，Top－Layer和Transformer 的解碼器基本一致。

實(shí)驗(yàn)結(jié)果：AR（Transformer），NAT（非自回歸的方法），IRNAT（迭代的非自回歸方法），最后是我們提出的方法，第一種是在訓(xùn)練的過(guò)程中引入序列信息，第二是在模型上進(jìn)行改進(jìn)。作為對(duì)比的數(shù)據(jù)集有三個(gè)，前兩個(gè)數(shù)據(jù)集比較小。主要關(guān)注第三個(gè)數(shù)據(jù)集�？梢钥闯�，使用NAT來(lái)代替AR模型的話，效果會(huì)降6個(gè)點(diǎn)左右，迭代的方法會(huì)帶來(lái)1到2個(gè)點(diǎn)的提升。我們提出的reinforce方法和傳統(tǒng)的reinforce方法相比，有0．6個(gè)點(diǎn)的提升。加上回歸層的模型已經(jīng)接近Transformer的效果了。關(guān)于速度的提升，如果僅訓(xùn)練的時(shí)候采用序列信息，速度可以提升10倍。如果是NAT加上自回歸層的方法，速度也可以提高4倍左右。

這里有一些翻譯實(shí)例，可以看出 NAT－base的方法流暢性不夠好，重復(fù)很多“more more …”，因?yàn)闆](méi)有考慮序列信息，所以導(dǎo)致結(jié)果的流暢度不行。使用我們提出的reinforce方法，能夠一定程度上的緩解流暢度的問(wèn)題，但是問(wèn)題還是存在。通過(guò)使用NAT＋AR的方法，能夠更好的緩解流暢度的問(wèn)題。