探討深度文本分類之DPCNN原理與代碼

01

導(dǎo)讀

ACL2017 年中，騰訊 AI-lab 提出了Deep Pyramid Convolutional Neural Networks for Text Categorization(DPCNN)。

論文中提出了一種基于 word-level 級(jí)別的網(wǎng)絡(luò)-DPCNN，由于 TextCNN不能通過卷積獲得文本的長距離依賴關(guān)系，而論文中 DPCNN 通過不斷加深網(wǎng)絡(luò)，可以抽取長距離的文本依賴關(guān)系。

實(shí)驗(yàn)證明在不增加太多計(jì)算成本的情況下，增加網(wǎng)絡(luò)深度就可以獲得最佳的準(zhǔn)確率。?

02

DPCNN 結(jié)構(gòu)

究竟是多么牛逼的網(wǎng)絡(luò)呢？我們下面來窺探一下模型的芳容。

03

DPCNN 結(jié)構(gòu)細(xì)節(jié)

模型是如何通過加深網(wǎng)絡(luò)來捕捉文本的長距離依賴關(guān)系的呢？下面我們來一一道來。為了更加簡(jiǎn)單的解釋 DPCNN，這里我先不解釋是什么是 Region embedding，我們先把它當(dāng)作 wordembedding。

等長卷積

首先交代一下卷積的的一個(gè)基本概念。一般常用的卷積有以下三類：

假設(shè)輸入的序列長度為n，卷積核大小為m，步長(stride)為s,輸入序列兩端各填補(bǔ)p個(gè)零(zero padding),那么該卷積層的輸出序列為(n-m+2p)/s+1。

(1)窄卷積(narrow convolution):步長s=1,兩端不補(bǔ)零，即p=0，卷積后輸出長度為n-m+1。

(2)寬卷積(wide onvolution)：步長s=1,兩端補(bǔ)零p=m-1，卷積后輸出長度n+m-1。

(3)等長卷積(equal-width convolution):步長s=1,兩端補(bǔ)零p=(m-1)/2，卷積后輸出長度為n。如下圖所示，左右兩端同時(shí)補(bǔ)零p=1,s=3。

池化

那么DPCNN是如何捕捉長距離依賴的呢？這里我直接引用文章的小標(biāo)題——Downsampling with the number of featuremaps fixed。

作者選擇了適當(dāng)?shù)膬蓪拥乳L卷積來提高詞位 embedding 的表示的豐富性。然后接下來就開始Downsampling(池化)。

再每一個(gè)卷積塊(兩層的等長卷積)后，使用一個(gè) size=3 和 stride=2 進(jìn)行 maxpooling 進(jìn)行池化。序列的長度就被壓縮成了原來的一半。其能夠感知到的文本片段就比之前長了一倍。

例如之前是只能感知3個(gè)詞位長度的信息，經(jīng)過1/2池化層后就能感知6個(gè)詞位長度的信息啦，這時(shí)把 1/2 池化層和 size=3 的卷積層組合起來如圖所示。

固定 feature maps(filters) 的數(shù)量

為什么要固定feature maps的數(shù)量呢?許多模型每當(dāng)執(zhí)行池化操作時(shí)，增加feature maps的數(shù)量，導(dǎo)致總計(jì)算復(fù)雜度是深度的函數(shù)。與此相反，作者對(duì) feature map 的數(shù)量進(jìn)行了修正，他們實(shí)驗(yàn)發(fā)現(xiàn)增加 feature map 的數(shù)量只會(huì)大大增加計(jì)算時(shí)間，而沒有提高精度。

另外，夕小瑤小姐姐在知乎也詳細(xì)的解釋了為什么要固定featuremaps的數(shù)量。有興趣的可以去知乎搜一搜，講的非常透徹。

固定了 feature map 的數(shù)量，每當(dāng)使用一個(gè)size=3和stride=2進(jìn)行maxpooling進(jìn)行池化時(shí)，每個(gè)卷積層的計(jì)算時(shí)間減半(數(shù)據(jù)大小減半)，從而形成一個(gè)金字塔。

這就是論文題目所謂的Pyramid。

好啦，看似問題都解決了，目標(biāo)成功達(dá)成。剩下的我們就只需要重復(fù)的進(jìn)行等長卷積+等長卷積+使用一個(gè) size=3 和 stride=2 進(jìn)行 maxpooling 進(jìn)行池化就可以啦，DPCNN就可以捕捉文本的長距離依賴?yán)玻?/p>

Shortcut connections with pre-activation

但是！如果問題真的這么簡(jiǎn)單的話，深度學(xué)習(xí)就一下子少了超級(jí)多的難點(diǎn)了。

(1) 初始化CNN的時(shí)，往往各層權(quán)重都初始化為很小的值，這導(dǎo)致了最開始的網(wǎng)絡(luò)中，后續(xù)幾乎每層的輸入都是接近0，這時(shí)的網(wǎng)絡(luò)輸出沒有意義；

(2) 小權(quán)重阻礙了梯度的傳播，使得網(wǎng)絡(luò)的初始訓(xùn)練階段往往要迭代好久才能啟動(dòng)；

(3)就算網(wǎng)絡(luò)啟動(dòng)完成，由于深度網(wǎng)絡(luò)中仿射矩陣（每兩層間的連接邊）近似連乘，訓(xùn)練過程中網(wǎng)絡(luò)也非常容易發(fā)生梯度爆炸或彌散問題。

當(dāng)然，上述這幾點(diǎn)問題本質(zhì)就是梯度彌散問題。那么如何解決深度 CNN 網(wǎng)絡(luò)的梯度彌散問題呢？當(dāng)然是膜一下何愷明大神，然后把 ResNet 的精華拿來用啦！ResNet 中提出的shortcut-connection/ skip-connection/ residual-connection（殘差連接）就是一種非常簡(jiǎn)單、合理、有效的解決方案。

類似地，為了使深度網(wǎng)絡(luò)的訓(xùn)練成為可能，作者為了恒等映射，所以使用加法進(jìn)行shortcut connections，即z+f(z)，其中f用的是兩層的等長卷積。這樣就可以極大的緩解了梯度消失問題。

另外，作者也使用了pre-activation，這個(gè)最初在何凱明的 “Identity Mappings in Deep Residual Networks 上提及，有興趣的大家可以看看這個(gè)的原理。

直觀上，這種“線性”簡(jiǎn)化了深度網(wǎng)絡(luò)的訓(xùn)練，類似于 LSTM 中 constant errorcarousels 的作用。而且實(shí)驗(yàn)證明pre-activation 優(yōu)于 post-activation。

整體來說，巧妙的結(jié)構(gòu)設(shè)計(jì)，使得這個(gè)模型不需要為了維度匹配問題而擔(dān)憂。

Region embedding

同時(shí) DPCNN 的底層貌似保持了跟 TextCNN 一樣的結(jié)構(gòu)，這里作者將 TextCNN 的包含多尺寸卷積濾波器的卷積層的卷積結(jié)果稱之為 Region embedding，意思就是對(duì)一個(gè)文本區(qū)域/片段（比如3gram）進(jìn)行一組卷積操作后生成的embedding。

另外，作者為了進(jìn)一步提高性能，還使用了tv-embedding (two-views embedding)進(jìn)一步提高 DPCNN 的 accuracy。

上述介紹了 DPCNN 的整體架構(gòu)，可見 DPCNN 的架構(gòu)之精美。本文是在原始論文以及知乎上的一篇文章的基礎(chǔ)上進(jìn)行整理。

本文可能也會(huì)有很多錯(cuò)誤，如果有錯(cuò)誤，歡迎大家指出來！建議大家為了更好的理解 DPCNN，看一下原始論文和參考里面的知乎。

04

用 Keras 實(shí)現(xiàn) DPCNN 網(wǎng)絡(luò)

這里參考了一下 kaggle 的代碼，模型一共用了七層，模型的參數(shù)與論文不太相同。這里濾波器通道個(gè)數(shù)為64(論文中為256)，具體的參數(shù)可以參考下面的代碼，部分我寫了注釋。

05

DPCNN 實(shí)戰(zhàn)

上面我們用 keras 實(shí)現(xiàn)了我們的 DPCNN 網(wǎng)絡(luò)，這里我們借助 kaggle 的有毒評(píng)論文本分類競(jìng)賽來實(shí)戰(zhàn)下我們的 DPCNN 網(wǎng)絡(luò)。