基于机器阅读理解（MRC）的信息抽取方法-InfoQ



 写点什么

导读：本次分享的主题为基于机器学习阅读理解（MRC）的信息抽取方法。由香侬科技发表在 ACL2019，论文提出用阅读理解的方法对信息抽取这个传统问题进行建模，取得了比较好的效果。

Part1 香侬科技简介

香侬科技的主要研究方向为自然语言处理和深度学习，秉承“让机器读懂纷繁的大千世界”为使命，致力于用人工智能技术消除信息不对称的壁垒，让所有人都能平等获取信息。目前主要业务包括信息抽取、智能文档解析、智能数据聚类分析、文本对比审核等。

Part2 自然语言处理（NLP）

1. 自然语言处理（NLP）是什么？

自然语言处理是研究能实现人与计算机之间，用自然语言进行有效通信的各种理论和方法。（通俗讲就是计算机要理解人说的话，计算机生成的话，人也能够理解）

2. 为什么自然语言处理很难？

自然语言处理的难点在于歧义性。如下面的例子：

同样的表达方式，有不同的含义：
“喜欢一个人”：like someone 或者 like to be alone。
虽然表达方式不同，但表达的含义相同：
“我刚差点摔着”、“我刚差点没摔着”
“苹果多少钱一斤”、“苹果一斤多少钱”、“一斤苹果多少钱”

3. 常见的 NLP 任务

常见的 NLP 任务可以分为简单、中等、困难，分别包含的具体任务如下：

简单任务：分词、词性标注、垃圾邮件分类、句法依存分析
中等任务：词义消歧、情感分类、命名实体识别、信息检索
困难任务：关系 &事件抽取、翻译、自动摘要、问答、对话

今天主要介绍命名实体识别、关系 &事件抽取这两类信息抽取任务。

4. 深度学习与 NLP 结合的范式：

范式 1：

第一种深度学习与 NLP 的结合的范式（Bert 出现之前），一般包含以下几步：

-> Embed：该阶段把离散 id 变成稠密向量，可能对以下几个维度特征进行 embedding，包括 word(单词)、char(字符)、pos tag(词性)、position(位置)。

-> Encode：该阶段使得稠密向量获得上下文信息，一般方案包括 CNN/RNN/Transformer。

-> Attend：该阶段可以使更远的信息可以互相注意，一般分为加性(sum)、乘性(product)的注意力机制。

-> Predict：NLP 任务一般是预测离散的变量，Classification 分类、Seq Labeling 序列标注、翻译/摘要可以 model 成 seq2seq 的任务。

范式 2：

最近有些 Pre-train 的模型出现，打破的了之前的方案，把 embed 到 Attend，基本上都用的类似的方法，通过 Pre-train 得到一个带着上下文信息的向量。算法包括 elmo、gpt、bert、gpt2、xlnet、ernie、roberta 等，在大数据量上进行预训练。

第二种深度学习与 NLP 的结合的范式，一般包含以下几步：

-> Pre-train：刚开始是用大规模的语料进行预训练。

-> Fine_tune：针对特定任务进行微调。

-> Predict：进行 Predict。

Part3 信息抽取

1. 信息抽取简介

信息抽取是将非结构化的文本信息转换为结构化的信息，如上图所示，左边为非结构化文本，通过信息抽取得到右边结构化的信息。

信息抽取可以分为三类：

命名实体识别（NER）：从文本中抽取人物、机构、文件名等实体。
关系抽取（RE）：得到实体后，抽取实体间的关系，一般抽取得到一个（实体，实体，关系）的三元组。
事件抽取：抽取多个实体和事件关系，一般得到一个 trigger 和多个 arguments 的多元组。

今天主要介绍命名实体识别和关系抽取。

2. 实体关系抽取

大量的信息抽取任务是实体和关系的抽取，举个例子，乔布斯是苹果公司的 CEO。其中"乔布斯"和"苹果公司"是实体，分别是人名、公司名；两个实体之间是雇佣关系。

3. 实体关系抽取的传统做法

实体关系抽取的传统做法：

Pipeline 的方法：
先进行命名实体识别，再进行关系识别。
joint 方法：
通过共享参数的模型，把实体识别和关系识别联系到一起。

命名实体识别（NER）：

NER 也可以分为 4 步：

-> Embed：把 Michael Jeffrey Jordan was born in Brooklyn，变成一个稠密向量。

-> Encode：在 NER 中主要是 RNN 相关的；

-> Attend：把注意力集中在“一个人在布鲁克林出生”

-> Predict：主要用 CRF 做序列标注。

也可以用 BERT，把 Embed 到 Attend 之间都用过 BERT 来初始化，然后进行 fine_tune，然后在最上层加一个 Predict 的神经网络。

关系抽取（RE）：

RE 一般被 model 成 Classification 任务，同样分为以下 4 步：

-> Embed：还是将字或者词变成一个稠密的向量，这里还会多一个 position，一般认为待变成稠密向量的词与实体之间的位置是一个相对位置，如下图中 hired 和第一个人它的位置可能是-1，然后逗号和它的位置是 1，这样的一种 Embedding。

-> Encode：对于关系识别来说，即包含 CNN 相关的，也包含 RNN 相关的，把上下文的信息考虑进来。如上图是一个 PCNN，通过两个实体把句子分为三部分，每部分分别做 CNN 的 max pooling（由于这三部分的用处不同，直接做 max pooling 可能会有一些信息的损失），再经过 Softmax classifier 进行分类。

上图为 BI-LSTM，同样用了 RNN base 的网络结构，可以学习到更长距离的依赖。

-> Attend：Attention 可以 Attend 到两个实体是由于哪个词分辨出是顾佣的关系，比如“CEO”就可以认为“苹果公司”和“乔布斯”之间是雇佣关系，有比较大的一个权重。

-> Predict：对定长的向量进行 Predict 分类。

刚刚说的都是 Pipeline 的方法，Joint 方法也是类似的，主要是把两部分的一些模型的参数在底层被共享起来。

4. 传统方法的问题

Pipeline 和 Joint 两种方案都存在一些问题：

① 很难处理层级关系：建模困难。如右侧第 1 张图所示，“乔布斯在 1977 年至 1983 年担任了苹果公司的 CEO，在 1986 年至 1996 年担任皮克斯动画工作室的 CEO”。这里存在 7 个实体，相互间都有关系，非常复杂。

② 准确率问题：

两个实体离得比较远，尤其当一个实体与另外一个实体发生关系时，其实是它的缩写与另外一个实体比较近，而本体与另外一个实体比较远的时候，这样两个实体之间的关系往往很难预测得到。
一个实体包含多个关系对，比如这里的“苹果公司”，既和“CEO”产生关系，又和“乔布斯”产生关系，包含多个关系，是关系的分类比较复杂。
实体跨越的 span 有重叠。如右侧第 2 张图所示，“比尔盖茨和乔布斯分别担任微软和苹果公司的 CEO”，“比尔盖茨”是和“微软”产生关系，“乔布斯”是和“苹果公司”产生关系对于刚刚说的 PCNN 或者 RNN 来说都会产生混乱的情况，导致识别准确率下降。

Part4 机器阅读理解（MPC）

1. 机器阅读理解简介

机器阅读理解是给定上下文 c，和问题 q，得到答案 a，a 是原文中的一个或多个 span<Question,Context> -> <Answer>。

如图所示，通过提问“郑强什么时候就职于越秀会计事务所？”，我们可以发现，是在 1998 年到 2000 年时就职于越秀会计事务所。这样就得到郑强、越秀会计事务所、时间等多个实体间关系。

2. MRC 做法

MRC 的做法也是分为 4 步：

范式 1，传统的方案：

先 Embed，把字和词变成稠密向量，通过 Contextual 进行 Encode，这里通过的是 LSTM 或者 GRU 之类的方案，通过上下文一起考虑进来，然后进行 Attend，question 和文章互相注意，最后是 Predict，进行分类和序列标注。

范式 2：

Bert 出现之后，可以通过 Bert 方案，把前 3 步换成 Bert，最后预测一个 start 和一个 end，或者通过序列标注的方案来做。

如上图，Bert 时，会在 Question 的 Tok 前加一个 CLS，后面加一个 SEP，然后把 Paragraph 的 Tok 放在后面。然后预测 Paragraph 中哪位置的 Tok 是 start，哪个位置的 Tok 是 end，来预测阅读理解问题。

3. 使用 MRC 做实体关系抽取

在 ACL2019 的论文中，我们提出了使用一种 MRC 的新的范式来做实体和关系抽取。

三元组：（头实体，关系，尾实体）例如（乔布斯，受雇于，苹果公司）

对于“乔布斯是苹果公司的 CEO”可以提两个问题：

① 首先提的是头问题，Q：人名是什么？A：乔布斯

② 基于上一步的答案提出第二个问题，Q：乔布斯受雇于哪家公司？A：苹果

上图为，我们算法的详细流程图，首先得到 head Entity 头实体，对于头实体提问完之后，可以得到头实体的答案，把头实体的答案填入问题模板中，再获得后面的实体。

目标函数就是 head-entity 的 Loss+tail-entity 的 Loss，然后进行一个加权。

问题模板如上图所示，对于郑强或者马斯克的例子，我们可以问四个问题：

第一个问题是谁在这段话里被提及了，也就是马斯克或者郑强。

第二个问题是郑强在哪个公司任职，得到很多公司。

第三个问题是郑强在这个公司的职务是什么，得到职务。

最后，把上面三步的答案拼在一起得到最后一个问题，E1 在 E2 担当 E3 的任职时间是什么，得到 E4。

4. 多轮问答进行实体-关系抽取

接下来就是刚刚举得例子，首先是第一个问题：

文中提到的人物有哪些？

然后是他的公司是什么？

再分别问在每个公司的工作时间？

担任什么职务？

在越秀会计事务所工作的时间？

在其他公司担任的职务，等等问题。

这样通过阅读理解的方案就得到了这样一张表，也就是完成了从非结构化文本到结构化文本的转换。

5. 强化学习

这里在做阅读理解的时候有一个问题：靠前实体的准确率会影响后续的信息抽取，这样的问题在翻译中也会遇到；训练的时候我们一般会使用前面实体的 ground truth 填入后面实体的模板；在预测的时候，我们会使用实际预测出的答案，这样就产生了一个训练和预测的 gap，第三阶段错误的实体，原因很有可能是第一阶段的实体就错了，这样的 Loss 并没有回传给第一阶段的实体。

所以，我们采用了强化学习的方法：

每轮的动作：在所有可能中选取该轮的答案。
策略：预先用 ground truth 训练多轮 QA 的概率作为强化学习的初始策略，避免策略不稳定的情况。
奖励：
得到的奖励就是这个公式，得到这个公式之后就可以将 Loss 回传，这样后面轮数的 Loss 可以反馈给前面的轮数，使前面的轮数更加准确。

6. 实验结果

我们发现在 ACE2004 和 2005 数据集上，Multi-turn 的方式相比于传统的方式分别有 1 个点和 0.6 个点的提升。

Part5 性能优化

刚刚讲了使用阅读理解的方式来做信息抽取，使用的阅读理解是基于 BERT 模型，由于 BERT 参数非常庞大，会遇到一些性能的问题：

1. 深度学习模型性能问题

在做 web service 时，由于用户的请求是离散的，且大小不定，不易 batch 运算。

以 MASK LM 任务为例，一个 64 个字的句子做 MASK-LM 任务，封装为 web service，我们发现 QPS 只有 12。因此，我们开发了 Service Streamer。

2. Service Streamer

Service Streamer 将服务请求排队组成完整 batch，其好处有：

简单易用：只需要添加两三行代码即可让模型提速上十倍；
处理速度快：低延迟，专门针对速度做了优化；
可扩展性好：可轻松扩展到多 GPU 场景，处理大量请求；
适用性强：它是一个中间件，适用于所有深度学习框架和 web 框架。

Github 链接如下，感兴趣的小伙伴可以仔细研究下：

https://github.com/ShannonAI/service-streamer#develop-bert-service-in-5-mintues

我们做了一个 benchmark，在一个普通的 Web Service 情况下，QPS 是 12，latency 是 8s，使用 ThreaedStreamer 可以增加到 208，继续使用多进程的 Streamer 可以做到 321，使用 RedisStreamer 会在 350 左右，根据每次测量会有些区别。

在多 GPU 场景下，可以继续提升性能，且非常容易扩展，当使用 2 张或者 4 张卡的时候，QPS 可以成比例的增加。