CNN for NLP (CS224D)

斯坦福课程CS224d: Deep Learning for Natural Language Processing

lecture13：Convolutional neural networks -- for sentence classification

　　主要是学习笔记，卷积神经网络（CNN），由于其特殊的结构，在图像处理和语音识别方面都有很出色的表现。这里主要整理CNN在天然语言处理的应用和现状。

1、RNNs to CNNs

　　学过前面lecture的朋友，应该比较清楚。RNNs通常只能得到符合语法规则的短语的向量，对于RecursiveNN，须要依赖parser将句子进行解析，得到语法树结构，而对于RecurrentNN，须要依赖前面的词来得到短语向量，能够认为训练过程将句子的语义压缩在最后的词向量中（我的理解）。

　　

　　而CNN考虑的是可否为全部可能的短语组合生成向量，不在意是否符合语法，天然也就不须要parser。好比“The country of my birth”，计算全部可能出现的短语的向量：the country、country of、of my、my birth、the country of、country of my、of my birth、the country of my、 country of my birth。

2、CNN

　　1. 什么是Convolution（卷积）？

　　数学上定义的卷积：函数f 与g 的卷积记做，它是其中一个函数翻转并平移后与另外一个函数的乘积的积分，是一个对平移量的函数。

　　我的对于一维变量的卷积是这么理解的，能够认为是多项式系数乘积。例如f(x)=(x^2+3x+2), g(x)=(2x+5)， 则f(x)对应系数向量(2，3，1)，g(x)对应(5,2)，f(x)与g(x)卷积可认为是系数向量不断内积，对g(x)向量作个翻转后不断左移，与f(x)重叠部分向量作内积。

　　在图像处理中，对图像用一个卷积核进行卷积运算，实际上就是一个滤波过程。例以下图，绿色表示输入的图像，能够是一张黑白图片，0是黑色像素点，1是白色像素点。黄色就表示滤波器(filter)，也叫卷积核(kernal)或特征检测器(feature detector)。经过卷积，对图片的像素点进行加权，做为这局部像素点的响应，得到图像的某种特征。

 

http://deeplearning.stanford.edu/wiki/index.php/Feature_extraction_using_convolution

　　举个例子：上图中输入的绿色矩阵表示一张人脸，黄色矩阵表示一个眼睛，卷积过程就是拿这个眼睛去匹配这张人脸，那么当黄色矩阵匹配到绿色矩阵（人脸）中眼睛部分时，对应的响应就会很大，获得的值就越大。（粗俗地这么理解了）在图像处理中，卷积操做能够用来对图像作边缘检测，锐化，模糊等。

http://www.flickering.cn/ads/2015/02/语义分析的一些方法二/

　　2.什么是Convolutional Neural Network（卷积神经网络）？

　　最先应该是LeCun(1998)年论文提出，其结果以下：运用于手写数字识别。详细就不介绍，可参考zouxy09的专栏，主要关注convolution、pooling，我的理解是这样的，convolution是作特征检测，获得多个feature maps，而pooling是对特征进行筛选，提取关键信息，过滤掉一些噪音，另外一方面是减小训练参数。

　　其中的Local Receptive Field 和Weight Sharing，可进一步参考：Ranzato：NEURAL NETS FOR VISION ，下图便出自此处。

　　

http://cs.nyu.edu/~fergus/tutorials/deep_learning_cvpr12/tutorial_p2_nnets_ranzato_short.pdf

3、CNN for NLP

　　一、Single Layer CNN

　　与图像处理不一样，对于天然语言处理任务来讲，输入通常是用矩阵表示的句子或文档。对于句子矩阵，每一行表示一个单词，每一个词能够用向量表示（word2vec or GloVe, but they could also be one-hot vectors）。下面介绍一种简单的cnn结构，一层convolution+一层pooling。来自Yoon Kim(2014)的论文。

　　首先作一些符号说明：输入是词向量Xi（长度是k），句子向量Xi:n是词向量的级联（拼接成长向量），filter是w,可当作一个滑动窗口，这里的w是向量，长度是hk（滑动窗口包含h个词）。

　　Convolution：卷积操做，f是激活函数，ci表示卷积获得的特征。经过滑动filter w，与句子全部词进行卷积，可获得feature map 

 　　

　　Pooling：使用max-pooling得到feature map中最大的值，而后使用多个filter得到不一样n-grams的特征。

　　Multi-Channel：这里颇有意思，输入句子时，使用两个通道（channel，能够认为是输入copy一份），都用word2vec初始化，其中一个词的向量保持不变（static），另外一个是non-static，在BP过程不断修改，最后再pooling前对两个通道获得的卷积特征进行累加。

　　Classification：经过pooling，获得句子最后的特征向量，而后直接用softmax进行分类。

　　另外还有一些Tricks:Dropout 和 Regularization，应该是Hinton(2012)提出的方法。

　　Training: BP，SGD，ADADELTA: an Adaptive Learning Rate Method.(M.Zeiler.2012)

　　另外，网络中的hyperparameters，是训练过程，用grid search方法在dev数据集上跑出来的，而且不断记录最优参数。结果感人，7项任务中4项获得很好结果。

　　简单的cnn结构+word2vec得到很不错的结果，而后multi-channel还能学习一些类似词，好比word2vec中bad和good类似度高的问题。

 

 　　二、Multi-Layer CNN

 　  前面介绍的是单层卷积层+pooling层的CNN，下面看一个结构相对复杂一点的CNN。来自Nal Kalchbrenner (2014)的论文。文章主要提出Dynamic Convolutional Neural Network，下面只介绍一些与单层cnn不一样的部分。下图是主要结构

　　

　　Wide Convolution：与Narrow相对而言，wide convolution指用filter m 对句子中的全部可能组合进行卷积，句子左右能够补零，从而获得比原句子长度更长的feature map，可以得到句子中词语尽量多的不一样组合。例以下图：

 

　　K-Max Pooling：与普通max-pooling取最大的feature不一样，这里取最大的k个值，必定程度上保留了这些feature的顺序。

　　Dynamic K-Max Pooling：k的大小与卷积获得的feature map长度、以及当前pooling层数有关，公式以下：

 

　　Folding：两行变一行，将同一个词的第1,2特征叠加，3,4特征叠加，个人理解是可能特征间存在某种联系，进行叠加能综合特征，又下降维数。

　　介绍差不过就这样，该结构不须要parse tree，并且能生成隐含的特征图，捕捉短的和长的语义关系（k-max pooling生成的树结构）。

4、目前一些研究方向

　　（1）卷积以前添加一层Multi-scale SUs

　　Wang, P., et al (2015). Semantic Clustering and Convolutional Neural Network for Short Text Categorization. Proceedings ACL 2015, 352–357.
　　（2）Bag of words：

　　Johnson, R., & Zhang, T. (2015). Effective Use of Word Order for Text Categorization with Convolutional Neural Networks. To Appear: NAACL-2015
　　Johnson, R., & Zhang, T. (2015). Semi-supervised Convolutional Neural Networks for Text Categorization via Region Embedding.
　　（3）关系提取、实体识别：

　　Nguyen, T. H., & Grishman, R. (2015). Relation Extraction: Perspective from Convolutional Neural Networks. Workshop on Vector Modeling for NLP, 39–48.
　　Sun, Y., Lin, L., et al. (2015). Modeling Mention , Context and Entity with Neural Networks for Entity Disambiguation, (IJCAI), 1333–1339.
　　Zeng, D., Liu, K., Lai, S., Zhou, G., & Zhao, J. (2014). Relation Classification via Convolutional Deep Neural Network. Coling, (2011), 2335–2344.

　　（4）字符级别：

　　Santos, C., & Zadrozny, B. (2014). Learning Character-level Representations for Part-of-Speech Tagging. Proceedings of the 31st International Conference on Machine Learning, ICML-14(2011), 1818–1826.

　　Zhang, X., Zhao, J., & LeCun, Y. (2015). Character-level Convolutional Networks for Text Classification, 1–9.

　　Zhang, X., & LeCun, Y. (2015). Text Understanding from Scratch. arXiv E-Prints, 3, 011102.

　　Kim, Y., Jernite, Y., Sontag, D., & Rush, A. M. (2015). Character-Aware Neural Language Models.

 

Reference

[1] LeCun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324.

[2] Kim Y. Convolutional neural networks for sentence classification[J]. arXiv preprint arXiv:1408.5882, 2014.

[3] Hinton G E, Srivastava N, Krizhevsky A, et al. Improving neural networks by preventing co-adaptation of feature detectors[J]. arXiv preprint arXiv:1207.0580, 2012.

[4] Kalchbrenner N, Grefenstette E, Blunsom P. A convolutional neural network for modelling sentences[J]. arXiv preprint arXiv:1404.2188, 2014.

[5] Denny Britz (2015). Blog: understanding-convolutional-neural-networks-for-nlp

[6] @火光摇曳Flickering. Blog：语义分析的一些方法

[7] @zouxy09. Blog：Deep Learning（深度学习）学习笔记整理系列