近年來，深度學習方法極大的推動了自然語言處理領域的發展。幾乎在所有的 NLP 任務上我們都能看到深度學習技術的應用，并且在很多的任務上，深度學習方法的表現大大超過了傳統方法。可以說，深度學習方法給 NLP 帶來了一場重要的變革。

我們近期邀請到了微信模式識別中心的高級研究員張金超博士，他畢業于中國科學院計算技術研究所，研究方向是自然語言處理、深度學習，以及對話系統。

在本次公開課上，他全面而具體地講述了深度學習在 NLP 中的發展和應用，內容主要分為以下四大篇章：

自然語言處理的基本概念和任務

深度學習方法如何來解決 NLP

對話和機器翻譯當中的深度學習模型和一些云端應用，以及使用實例

對 NLP 感興趣的開發者提供一些技能進階的建議

以下為公開課內容實錄，人工智能頭條整理。

一、自然語言處理的基本概念和任務

▌1.基本概念

首先講一下自然語言處理的基本概念和任務，這一塊講解的目的是讓大家對自然語言處理這個領域有一個非?？驁D的認識，要，就是說知道自然語言處理的目標是什么，任務是什么，主要的方法大概有哪些。

Natural Language Processing，縮寫是 NLP，主要是指說我們借助于計算技術，來對人類的自然語言進行分析、理解，還有生成的一個過程。現在大家比較常見的兩個具體應用的場景，一個就是對話機器人（Chatbot），比如 AI 音箱之類的，大家可以跟它做一些對話交流。還有然后是機器翻譯，大家可能平時會用用的比較多一些提供翻譯功能的網站，就是我們用一些網頁提供翻譯的功能，這兩個就是自然語言處理比較經典的任務。

自然語言處理其實是語言學和計算機科學的交叉學科，語言學方面主要涉及到詞法、句法、語用、語義等等，語言學家他們會語言學理論去研究。計算機科學方面會涉及到統計理論、機器學習、優化方法以及數據可視化、深度學習等，它們兩個交叉起來叫做計算語言學，即也就是說以計算的方法來處理語言。

關于自然語言處理任務的重要性大家可以想一下，一方面語言是人類一個長期進化來的能力，是人類自然的一種交互方式，所以假如機器能夠非常準確、全面地理解我們的語義，那么人機交互的方式肯定會發生一個非常革命性的變化。，但現在自然語言處理能力還沒有到那種個程度，我們還需要各種輸入、輸出設備。另一方面，人類的知識是大規模的量存儲的形式是文本，包括大量的或者說是書籍，可以把它電子化成數字化的文本，針對這些海量的文本做分析處理，從而得到有價值的信息，這也需要強大的自然語言處理能力的支撐。

▌2.自然語言處理任務

自然語言處理任務大概有哪些？我個人做了一個總結，基本可以劃分分為五層項任務：，詞法分析、句子分析、語義層面的分析、信息抽取，頂層的任務。頂層任務就是直接面向用戶，，能提供如機器翻譯、對話機器人這樣的產品化服務。

首先是詞法分析層。第一個是分詞任務，大家知道英文的文本是由空格分隔開的單詞序列，但中文沒有一個詞和詞之間沒有清楚的分隔符。對于，所以說“長江是中華民族的母親河”這個句子，如果我們拿來做自然語言處理相關分析，最小的語義單元其實就是字，字的歧義性非常高。如果，我們對它做切分的話，那么“長江”、“中華民族”，還有“母親”、“河”這種完全可以切出來，就是句子的基本它的語義單元就變成了詞的語義單元，這就是分詞任務的目的。

第二個任務是新詞發現，就是說我們給你很多文本，該任務我們希望發掘發現文本中的一些新詞最新的一些詞，比如說“活久見“、”十動然拒“、”十動然揍”這種網絡熱詞。第三個任務是形態分析，形態分析主要針對形態豐富拉丁語系的語言。，我們給定一個詞，然把后可以把里面的詞干、詞綴、詞根等拆分出來，然后做一些形態還原、形態切分任務，然后給上面的任務提供一個更好的輸入。

第四個任務是詞性標注，就是說詞有動詞、名詞之類詞性，詞性標注任務就是我們把每一個詞的詞性給標出來。另外還有還有就是拼寫校正任務，應用場景就是我們在大家用文本編輯器的時候，你打錯了字會被標紅它會劃一個紅線，編輯器還能提供還會有自動糾錯的功能。

第二個層面的任務然后是句子分析（Sentence Analysis）。它包括句法分析等分析任務。，句法分析包括一些淺層的句法分析和深層的句法分析，比如像組塊分析就是給定你一個句子，然后我來標出里面一些名詞短語或者動詞短語的塊。我們直接來看下面的句法樹，我們怎么來看組塊呢？比如前面這個 “My dog” 是 NP，NP 就是指一個名詞短語，。然后我們看 S1，VP1 是一個動詞短語，組塊分析的目的不是想把這棵樹分析出來，而是說我只是想把這個 NP 和 VP 作為一個 Chunk（組塊） 給把它標注出來。

第二個任務是超級標簽標注（Super Tagging），這個任務個是說我并是不想得到最后句法樹的結構，我只想得到跟我這個詞當前相關的樹的結構。比如說我想得到 My 的這個 Super Tagg，它從 ROOT 到 My 的這一條樹的路徑是必須保存的，然后其他上面的一些終結符的結點會被去掉。

還有成分句法分析任務的，它的目標就是畫下面這棵樹，把里面句子的結構分析出來。，就是從一個根的結點出發，然后下面會有 NP、VP，到最后它必須是到一個終結符上去。

依存句法分析任務是說我來分析句子里詞和詞之間的依存（修飾）關系，然后由這些修飾關系來構成一棵依存的句法樹。

還有語言模型任務，是就是說我們想訓練設計一個模型來對語句合理的程度（流暢度）進行一個打分。

還有語種識別任務，是給定給你一段文本，我可以把它識別出這段文本成到底是用哪一個語言書寫的，這可以被用到個可能用到的場景就是網頁端的機器翻譯任務中。

第三個任務是句子邊界的檢測，我們知道中文句子邊界是非常明顯的，會由句號、嘆號或者問號等做分隔，但是對于一些語言來說，句子之間是沒有明顯邊界的，所以做句子層面的分析之前的話，首先要對它進行句子邊界的檢測，比如泰語。

再往上就是語義分析（Semantic Analysis）層。從語言學家的角度來看，他想用一些結構化的一些符號來表達語義，但是現在的深度學習，大量的語義其實是分布式的表示，也就是一系列的數值，具體哪一種形式會真正地表達語義還沒有定論定性。

語義分析層中的任務，第一個任務是詞義消歧，一個詞它可能會有歧義，該任務是來然后我們怎么來確定它準確的詞義。

第二個任務是語義角色標注，是一種一個淺層的語義分析。，該任務就是說它要標出句子里面這些語義決策動作的發起者，受到動作影響的人等等。比如 “A 打了 B”，那么 A 就是一個施事，，然后 B 就是一個受事，中間就是一個打的動作。

第三個任務是抽象語義表示（Abstract Semantic Parsing），它是近幾年提出的一種抽象語義的表示形式，縮寫是叫 AMR。下面這個一階謂詞邏輯演算和框架語義分析基本上是語言學家一直想把語義做一個符號化推理系統的表達。

然后近期在應用里面用的比較多的語義的表現形式就是詞匯、句子、段落的一個向量化表示，即Word/Sentence/Paragraph Vector，包括然后研究向量化的方法和向量性質以及應用。

這是 AMR 的一個例子，這里面有三個句子，三個句子表達的語義是一樣的。就是說“這個貓想吃魚”這個語義，有三個不同的句子表達形式，但是所以它們在 AMR 這個概念里，對應的是一個相同的 AMR 圖。由于它們的語義是完全相同的，所以 AMR 分析的時候，會把一些無關緊要的詞去掉，比如 the 或 to。

再高一個層面的任務就是信息抽?。↖nformation Extraction）。比如我們給定最下面的這一段新聞，想從里面抽一些關鍵的信息出來，即然后就從無結構的文本當中抽取出結構化的信息，這是廣義的信息抽取概念，可以比如我先做命名實體識別，我從這一段文字里識別出人名、地名、機構名，因為這些東西相比于其他的連詞等標點符號具有更多的意義。

第二個任務是實體消歧，該任務是就是我把句子中出現的這個名詞準確東西如何關聯到現實當中的一個對象，把它 link 上去。

第三個任務是術語抽取，就是從這個文本當中抽取特定的術語。

第四個任務是共指消解。，你這個句子里面會出現了代詞好多指代的東西或者是多種名詞表達同一個對象的現象。，比如代詞的消解是找出“他、她、它”中的某一個到底指代的是哪個事物。名詞消解也是同樣的道理。

然后關系抽取任務事情是確定文本當中兩個實體之間的關系，比如說誰生了誰，兩個實體一個是生一個是被生。

事件抽取任務是一個更復雜的過程，要就是說抽取出時間、地點、人物、發生的事件等等，這是更結構化的信息抽取。

這里信息抽取后面，我把情感分析和對話系統用到的意圖識別和槽位填充也歸結到這個部分里了。舉個情感分析這個應用場景的例子是說，比如我們去購物網站買東西，買完了以后會給它做評價，那么用戶的這個評價到底是正面的還是負面的情緒？我們需要對這個評價分析出情感傾向。

意圖識別是對話系統當中一個比較重要的模塊，是要分析就是說用戶你跟對話機器人說話的時候這句話的目的是什么，比如說播放音樂，那么那你的意圖就是音樂。

槽位填充是和意圖識別搭配起來使用的，你的意圖識別出來了，但是你的意圖要有具體的信息，比如你的意圖是讓機器人幫你去定明天早上從北京到上海飛的一張機票，意圖識別出來是定機票，那么要抽取一些信息的槽位槽位說時間我要抽出來，比如時間是“明天早上”，出發點是“北京”，目的地是“上?！?，這樣才能配合起來做后面的一些程序性的工作。

再往上就是頂層任務了，說這些任務它面向用戶能夠提供自然語言處理產品的一些系統級任務。一般這些任務會用到之前我們說的很多自然語言處理技術，目的是搭建一個大概是一個綜合性的系統。

第一個就是機器翻譯任務，就是要實現文本的一個自動翻譯的過程。

文本摘要是說給定你很大段的文字，然后你把里面的梗概提取出來，把它縮短，使得然后更方便閱讀或者更方便提取關鍵的信息。

問答任務是這樣，你問你給系統一個問題，然后它能給你一個準確的答案。，比如，說你問“周杰倫的母親叫什么名字”，這個系統它需要反饋給你一個非常準確的答案。

對話系統就是你和機器進行交互，它給你相應的反饋，執行相應的指令。閱讀理解就是你給定機器輸入一整篇文章，然后對它提一些與文章相關的問題，它能夠給你答案，很像我們考英語閱讀理解。還有再一個任務就是自動文章分級，給定一篇文章，對文章的質量進行打分或者做一個分級的操作。

▌3.自然語言處理任務的本質難點

自然語言處理任務為什么難？我的一些個人認為觀點主要在于：是它的歧義問題、知識問題、離散符號計算問題，還有語義本質的問題。

先說歧義問題，有些話的表達可能會有歧義或者說模棱兩可。我們上面舉了幾個詞匯層面歧義的例子，比如我們上面這三個句子基本上是詞或者字層面的歧義，“我們研究所/有東西”，這里的研究所是一個名詞，“我們研究/所有東西”，這里的“研究”就變成一個動詞。再往下就是一詞多義的問題，第一個句子是叫“山上的杜鵑開了”，第二個是“樹上有一只杜鵑在叫”，同樣是杜鵑，前面說的是一種花，后面是一種鳥，這也會造成歧義。

還有然后是詞性兼類問題，一個詞在不同的上下文環境當中體現的詞性也會不同，比如說第一個句子“向雷鋒同志學習”，這個學習是一個動詞。第二個是“他非常勤奮，學習很好”，這個學習是一個名詞，所以也會出現這種詞性兼類的歧義。再一個就是結構性的歧義，分很多種，看一個比較簡單的應用的例子，I shot an elephant in my pajamas，如果我們把后面這個 elephant in my pajamas 看成一個 NP 的話，這個是說“我擊中了這個睡衣睡褲里面的一頭大象”，這個在語義上是不對的。如果是說 in 后面的這個介詞短語來修飾這個 an 的話，它翻譯出來就是“我穿著我的睡衣然后擊中了一頭大象”，這才是合理的。

第二個是知識問題，是指就是說知識稀疏或者詞匯稀疏，詞匯稀疏導致了搭配稀疏，然后導致了語義稀疏，它有一個遞進關系。一個比較出名的定律叫齊夫定律（Zipf Law），這個定律是說在自然語言語料當中，一個單詞出現的頻率和它在頻率表當中的排名基本成一個反比關系。例如，對英語的 Brown 數據集里的語料進行統計，“the、of、and”是前三高的詞頻。

以 Zipf 的角度來看，它認為排位和詞頻實際上是可以用一個反比關系來對它進行建模。那么這個語料也很好地反應了基本上這個“the”大概在 7 萬左右，“of”大概在 36000 左右，那就變成了 c 和 c/2 這么一個倍數的關系。然后“and”和“the”就構成了 c/3，這是一個 1/3 的關系，這是一個 Zipf 的現象，這個現象會引起這個詞的 Frequency，這個詞頻會下降得非?？欤缓蠛竺鏁е乱粋€非常長尾的現象。，即就是說有很多詞出現的次數很少，但是數量又很大，當它們全部加起來的話，又你不能把它們忽略掉。再一個問題是知識依賴，這也就是說對語言精確的理解和生成，有很多時候是需要背景知識支持的，比如“蘋果”到底是一個水果還是一個手機，可能就需要有一些這種知識來支持，不能根據一句話就完全能把它理解掉。

知識稀疏的問題，從機器學習的角度來看的話，相當于你給了一個模型非常不均勻的數據分布，那對模型來說它的學習難度就會變大。

第三個是離散符號計算的問題。我們看到的文本其實都是一些符號，對計算機來說，它看的其實也是一些離散的符號，但我們知道計算機其實最擅長的去運算的實際上是數值型的運算，而不是符號之間的推理，并且符號之間的邏輯推理會非常復雜?，F在在統計機器學習模型里面做的就是用one-hot，就是用一個非常稀疏的向量來表示這個詞的形式，把它作為特征輸到后面的模型里去，但這面臨一個高維的問題。另一個是符號和符號之間都是正交的，那么就很難建立起符號之間的相關關系，這是深度學習方法能夠部分解決一下這個問題。

第四個就是語義問題，到底什么是語義？什么是語義？語言里面到底是什么東西？符號背后真正的語義怎么來表示？語言學家他走的路子就是我構建好多形式化的、結構化的圖之類的，這種結構去做語義或者是一些符號推導系統，認為它可以接近語義本質。但是，這些其實走得越遠離計算機就越遠，因為它越符號，語義的可解釋性就會很差。，拿數字來表示語義，我們你也不知道這個數字到底它是什么東西。所以目前為止現在研究領域對這個問題解決得比較差。

假如語義問題真的解決了，那所有的自然語言處理任務都不是問題，但目前來說，我們現階段做的事情實際上僅僅是需要你在去做每一個子問題的時候，把這個子問題用各種各樣的方法把它做好就行了，語義的話真的是比較難解決的問題。

目前來說幾乎所有的自然語言處理方法都是基于數據驅動，也就是統計機器學習的模型，那么數據質量加上模型的能力就決定了最后的任務表現，而并非是說機器真的能全面理解人類語言當中的語義，比如市面上的對話機器人很大的程度上要歸于數據或者一些規則，而不是說機器真的能像人類一樣地去思考、推理，然后給你一個非常人格化的回復，現階段人工智能還沒有達不到那種要求。

▌4.小結

我們大概講了自然語言處理任務的基本概念，還有一些目前自然語言大家處理主要在解決的任務。，一般來說一個做 NLP 的人，他可能以他的能力做到里面的一個或者幾個任務。自然語言處理它是一個交叉學科，它會使用語言學的理論，但是不會說去研究語言學，然后也會去用一些統計機器學習或者算法模型方面的東西，但目的又不是說我去徹底研究透算法層面的東西，而是說只是追求可用。當然現在的趨勢是很多做自然語言處理的人都在深入地研究算法模型，但歸根到底我們想解決自然語言處理的問題其實就是怎么對這個問題進行建模然后解決好。

二、深度學習方法解決NLP任務

▌1.自然語言處理方法的演化

下面講一下深度學習方法和之前的方法，還有一些深度學習方法解決基本任務的介紹。

自然語言處理方法的演化大概可以這么來劃分，一個是叫理性主義，后面一個叫經驗主義。

理性主義很好理解，就是寫規則，然后來處理這個問題。經驗主義就是加數據，加算法模型的方式來解決問題。理性主義基本上是語言學家來主導，就是研究語言，寫語言學的知識，然后用這些語言學知識的規則來處理自然語言處理的任務。

這個方法的好處就是可解釋性特別好，它明確知道這個輸出的結果是由哪條規則產生的作用，但問題是說規則越寫越多的時候，很容易前后起沖突，寫規則的成本也非常高，其實對自然語言處理的理解，處理方法的演化方面會比較慢。

經驗主義方法就是所有的知識都在數據里面，從數據里面學東西，不關心里面的語法規則是什么，這個研究階段就由計算機科學家主導，主要的方法就是基于數據驅動的機器學習模型加少量的語言學知識。

經驗主義里我們給它又劃分成了兩個階段，一個是統計機器學習方法的階段，它的特征一個特點是基于符號特征的計算，就是抽一些符號化的特征，然后交給機器學習模型來做。第二個特點是它一般是用傳統的針對非 DL 的一些方法，比如，LR、SVM 之類的。

到了近幾年，NLP主要是用深度學習方法，它的第一個特點就是分布式的表示特征，也就是拿一串數字來表示一些語義作為特征，交到后面的分類器來做。第二個特點是以各種神經網絡為核心模型，而不再是以前的這種 SVM 之類其他的分類器之類的東西，這是深度學習方法兩大比較突出的特征。

我們來看理性主義模型下自然語言處理的一個視角，這是一個德國研究機器翻譯的一位德國教授提出的機器翻譯金字塔模型，當然后面到統計的時代是大家也去借用這個模型來表達機器翻譯的過程。

我們從這個視角看語言，要先做形態分析，然后再做句法分析，語義分析，再往上是中間語言最高的形式，然后往右邊去轉換，這是一個機器翻譯的過程。就是說給一個源語言的句子，然后轉換成目標語言的句子，那么它認為從上到下是一個遞進的，從左到右是一個層層轉化的過程，所以它在處理某一任務的時候也是基于語言學結構來處理，這是理性主義模型下一個非常經典的看法。

到經驗主義模型基本上是這樣的，其實就是一個機器學習的過程，就是先構建語料，做標注，然后再設計特征，做特征提取，然后后面是交給到機器學習算法，然后訓練好模型做輸出。我們說前面的階段一個核心問題是語言學知識表達的問題，后面經驗主義模型下一個核心的問題實際上是對這個任務的建模和機器學習算法的求解。

▌2.自然語言處理常用的問題模型

首先我們在這里區分兩個概念，一個叫問題模型，一個叫算法模型。問題模型就是把這個任務怎么把它形式化出來，是一個建模的過程。算法模型是說怎么來拿某個算法去解決這個問題建模好的形式，就是給你一個事情，你把它分解開來，然后看看它到底能套哪個模型，然后后面就是對這個模型的求解問題。

NLP 當中常用的問題模型包括分類模型、序列標注模型和序列生成模型。

分類模型是一個比較狹義的分類概念。實際上序列標注模型和序列生成模型也可以理解成一個廣義分類的問題。分類是說是指大概像文本分類或者給句子做情感分析之類的狹義的模型。

第一個分類問題就是給你一段文本做類別的標注，比如你對它進行文本分類，給你一個新聞，它到底是一個政治、體育、財經或者其他類別的新聞。那么意圖識別，就是前面說到的你和一個對話機器人聊天的時候你給它一句話，然后這個機器人它能識別出來你的意圖是要干嘛。情感分類的話就是前面說的你買的東西，你對它做一個評價，這是正向的還是負向的，實際上都可以抽象成問題模型里面的一個分類模型。

分類模型傳統的一個解決方法就是說標帶標注的語料，再特征提取，然后訓分類器進行分類，然后類別。這個分類器就會用比如說邏輯回歸、貝葉斯、支持向量機、決策樹等等。

第二個是序列標注模型。序列標注我們拿分詞這個事情來做一個比較好的舉例，實際上數學建模是這樣，你有 N 個 X，它構成一個序列，你可以認為它是 N 個字詞，這個句子里面有 N 個字詞，，然后你給每個字詞加上一個標簽，它生成 N 個序列的標簽，那么分詞這個問題就抽象成字的序列標注的模型。

比如說“長江”它應該是構成一個詞的，那么就給它分成分類的侯選標簽，就是 begin、middle、end 或者 single。，這個是說 B，就是說“長江”應該在 begin 的位置，“江”應該在 end 的位置，如果它標成 b 了，它標成 e 了，很明顯是它們兩個字要構成一個詞了。假如這個模型是標注成了 s，那就是 single，它就是自己一個詞?！爸腥A民族”這個就是 begin，middle，middle，end，那這四個合起來就是“中華民族”這一個詞。

后面我們就都類似了。那么整個分詞的過程，就是從上面這一行藍色到下面這個詞的藍色的，那就是一個序列標注，你只要對每個字分類分正確了，那你分詞的結果結構就是對的。

這是一個序列標注的模型，這個分詞是一個非常經典的任務。詞性標注、命名實體識別，甚至說現在大家做句法分析或者做語義角色標注，也開始使用這個序列標注模型來做了。那么傳統做序列標注模型的一些方法，包括隱馬爾科夫、最大熵、條件隨機場、平均感知機等等，很多去求解這個序列標注的算法模型，是用來怎么來求解序列標注的問題的。？這兩個層面上的模型我們要分開。

第三個是序列生成模型。所謂的序列生成模型就是如何生成一段文本，逐個詞地來生成，使得然后生成的這個文本是合理的。怎么來評價它的合理性？如果你是單語生成的話，那么可以使用可能像語言模型，保證流暢度、合理性越高越好。

如果它是一個雙語生成的任務，像機器翻譯任務，你就要約束約定它跟原來的語義接近的情況下，然后生成的序列更合理。在深度學習方法出來之前，其實沒有太好的方法來建模序列生成問題，一個就是這個語言模型來做單語生成，再一個就是用統計機器翻譯模型來做雙語生成。然后生成的過程當中基本上是要用一個束解碼的方式來約束搜索空間。

▌3.統計機器學習算法模型的不足

我們前面講的是一些統計的學習算法，比如像 SVM、LR 之類，這些算法有什么不足呢？一個就是前面需要設計一些復雜的特征，這些特征是要人工地去設一個特征模板，用這些特征模板去匹配句子里面的一些特征，把它抽出來，作為一個離散化的特征來輸入到模型里面去，這一塊是非常復雜的。

第二個是這個算法模型對序列建模的能力很差，這個特征在詞方面都是非常稀疏的，在那么你對句子抽特征的時候這個就更稀疏了。比如整個語料當中有 1 萬個不同的詞，那么這個句子里非常有可能出現了一個詞會只在幾個句子里出現過，所以它的特征會非常稀疏。第三個就是你前面抽出特征是一步，訓練模型是一步，這個其實中間會有錯誤的誤差，甚至有一些復雜的任務，它是要去進行多步的操作，這會產生一個非常嚴重的錯誤傳播問題。后面我們也會用具體的模型來解釋這個錯誤傳播的問題。

我們看一下深度學習，它可以就是我們來解決前面說的分類問題、序列標注問題、序列生成問題用到的一些基本組件，現在主要應用到的比如前向神經網絡，就是一個最簡單的全鏈接網絡。循環神經網絡，包括純的 RNN，不加任何門控的 RNN，還有 LSTM，這種加門控的一些神經網絡的單元。還有就是卷積神經網絡，這個在圖象方面用的比較多，NLP 里面也會用。再一個就是注意力機制，這些是一些深度學習的基本組件，大家有興趣的可以自己去看公式，了解一些基本的模型。

為什么說深度學習方法比前面我們說的統計機器學習的模型要強大？我們現在來逐條分析。

▌4.強大的深度學習方法—分布式表示

一個是分布式表示（Distributed Representation），或者更具體一點叫 Word Embedding/Word Representation 之類的。也就是拿這個數值來表示這個特征，而不再是之前的離散的特征，這是一個比較經典的任務，也就是 Bengio 提出的神經網絡語言模型，他把這個詞通過一個矩陣，然后通過查表的方式形式得到做成一個 Word Embedding，然后交到后面去訓練這個神經網絡的語言模型。，現在后面就是 NLP 所有的任務基本都基于都在 Word Embedding。

Word Embedding 這一步怎么來做？假如有 V 個詞，一個詞就是 W1、W2 一直到 Wv，構建一個矩陣，然后每一個詞可向量的維度是 M維v，那么這個 W1 過來了以后，我查表會查到 W1 對應這一類的詞向量作為它的一個表示，這個表叫 Lookup Table，這就把這個詞的符號轉換成一個向量的一個形式的過程。

最右邊這個就是它的詞向量，這個詞向量是在整個模型的訓練中，可以通過 SGD 下降的方式給它回傳做調整，也就是說我們最終得到的詞向量是非常適合于這個任務的詞向量，也是得到了這個任務的目標函數下這個詞非常好的一個表達形式。那么符號向量化的第一個好處就是克服維度爆炸的問題，One-hot會到一個非常高的維度，但是詞向量最小可以把它設成 20、50 之類的就解決掉了。再一個就是說它可以直接進行數值運算，因為它就是向量，向量就是數值，后面就交到后面做很大的矩陣運算，這完全沒有問題。再一個就是 SGD 自動特征學習，這個前面我們說到了，就是 SGD 怎么去調 Word Embedding。

▌5.強大的深度學習方法—序列建模方法

深度學習方法強大的第二個優點，就是序列建模。前面說序列建模很難，在前面的一些特征設計方法里面，在深度學習里面，序列建模的方法就變得非常簡單了，就是以詞匯層面的分布式表示為基礎，然后對詞之間的交互進行計算，然后生成整個句子的一個分布式表示。整個過程都是在做計算，而不是在做特征模板的設計。

這個圖是一個比較具體的基于雙向 RNN 的一個序列建模模型，我們看到會有兩層 RNN 層，第一層是從左向右地對詞向量進行壓縮表示，第二層是從右向左做壓縮表示，然后兩層的表示連接起來，作為最終整個句子的表示，用 N 個詞，你后面生成的分布式表示就可以是 N 個向量，每個向量可以認為是它對應的下面這個詞的一個上下文環境的語義表示，作為整個句子的特征。也可以用最后面一個，就用 Hn 也可以表示一個句子的特征，也可以把這些東西作為一個句子特征的表示。也就是說這個地方你用神經網絡的方式直接基于詞做計算得到句子的特征表示，就繞過了特征模板，非常方便。

這是基于 CNN 的序列建模的一個方法，CNN就是一個窗口，把一個詞通過不同的權重做加和，然后形成一個表示。第二層也是一個窗口，這樣一層層上去以后，越上面的一些 CNN 的結點它覆蓋的詞的范圍就越大。實際上到最上面這一層綠色的表示，也可以認為跟前面那個模型一樣，就是作為整個句子的一個特征表示，然后結合后面的任務就好了。

在最近的工作有就是基于 Self-Attention 的這種序列建模方式，在 W1 生成 H1 的過程中它需要參考所有句子里面的詞，然后計算和所有詞的一個相關程度，決定其他所有詞在最終形成它的表示的過程中所占的權重比例。這個話有點繞，就是像前面的這些模型，W1 生成 H1 的時候，它可能只是一個局部窗口，只考慮一個局部范圍跟它交互的一些詞的范圍，在 Self-Attention 里面，它要考慮跟它所有詞的關系，然后來構成最終的一個表示。

▌6.強大的深度學習方法—參數統一優化

第三個深度學習方法強大的一個優點就是參數統一優化的問題。之前我們說前面設計特征模板，后面交一個分類分離器，更嚴重的就是搭一個系統的時候需要做很多步的模型搭建，比如傳統的統計機器翻譯里面有一個短語模型的搭建流程，我有語料，然后我先要做詞對齊，然后在詞對齊的結果上抽短語，抽完短語以后做短語特征方面的抽取。

在短語這個層面還要學一個調序模型，在語料這個層面上其實還需要學一個語言模型，這些模型最后加一塊來融合，達到最后的模型，但實際上中間這些模型訓練的時候都是非常獨立的，有一些遞進的關系，然后就會出現一個錯誤傳播的問題，這些所有的參數并不是統計到一個優化目標函數下去訓練的，但深度學習方法里，尤其 End-to-End 這個模型，就是能把所有的參數統一到一個優化目標函數下去緩解這種傳統的系統搭建方法的一個錯誤傳播的問題。這是一個基于統計的短語機器翻譯系統的一個搭建流程。

然后我們看一下基于神經網絡的機器翻譯模型搭建的過程。下面有平行語料，就交到這個模型里面去訓練，結果模型會有一個優化函數，最后能得到這個模型，整個這個模型來建模平行語料里的翻譯知識。具體怎么來做，后面我們會有更加詳細的介紹。這里想表達的是深度學習方法，可以把所有的參數做統一優化。

我們來看一下前面提到自然語言處理中提到了三個問題的不良語言處理里面提到了單個問題模型，一個叫分類，一個叫序列標注，另一個叫序列生成。在傳統的方法下我們看過了它們是怎么來做的。？比如，前面做特征模板設計，后面接分類器，像決策樹、SVM、LR 之類的分類器來做。那到了神經網絡或者說深度學習時代，這個事情怎么解決？其實底層還是基于特征抽取的一個過程。

看這個圖，大家應該看到除了上面橙黃色的這個點，就是前面我們說的一個特征抽取的過程，一個雙向 RNN 來抽取一定特征的一個過程。對這個句子特征抽取完了以后，接一個橙黃色的分類器，后面輸一個 Softmax，然后輸出哪個類別的概率，那就是用這種方法來建模一個分類問題。

比如情感分析問題，或者說一個文本分類問題，你就把句子交到這個神經網絡去，然后神經網絡把特征抽完了，后面接一個分類的過程，，然后整個的優化都是基于上面這個分類的準確程度來做梯度回傳，回傳到每一條連接權重，還有詞向量上面去，所以整個系統它是一個模型，所有的參數同時在做優化，不存在特征模板的問題，所以就是能夠很好地解決分類問題。， 還有序列生成和序列標注的問題。

這是一個序列標注的問題，就是前面說到分詞的問題，就是給每一個字加一個合適的類標。其實下面還是一樣，抽特征，抽出 N 個表示出來，N 個字的表示出來，就是這些字的特征出來，然后后面每個接 Softmax 的分類器，然后做一個路徑最優的尋優學優操作做一個推理，然后找到一條最優的序列路徑出來。這是一個深度學習方法解決序列標注問題，

那怎么來做序列生成的問題？就是 Encoder、Decoder，這是一個非常經典的模型。Encoder 就是把原先的句子做表示，然后 Decoder 是根據這個表示來做生成。。然后 Encoder 也可以用 CNN、RNN、Self-Attention，Decoder 也可以分別用這三種。這個模型反映反應的是一個翻譯的過程，翻譯的過程是計算機可以處理自然語言，我們希望計算機能生成這個結果，也就是一個序列到另一個序列的映射，但是這兩個序列之間可能會存在著不同的長度。這是目前大家來做機器翻譯問題或者對話聊天里的閑聊通用的一個模型。

▌7.深度學習方法的缺點

我們說說深度學習方法的缺點。缺點一個是模型的可解釋性低，首先它是一個數值的運算，你很難解釋它每一步的數值代表了什么。，就是整個過程在算，你很難去展現它中間語言學的一些推理過程，效果會很好，但是不好解釋，有人把它叫做黑盒。

再一個就是因為它都是基于數值的，所以就比較難去融入一些鮮艷符號的規則進來，這個語言學的知識或者人類的一些運行約束，很難去融入進來。再一個就是這個模型它需要的計算量比較大，有很大權重矩陣的運算，矩陣乘法，或者做 Softmax 之類的這種計算，所以需要計算的還是比較重的，尤其是訓練大模型的時候，一般現在是用多顯卡，最起碼是多卡，或者是多機來訓一個比較大的模型。

這個模型的表現除了依賴于本身的結構，它還依賴于比較多的訓練技巧，所謂的訓練技巧就是指說中間某些參數的初始化方法，網絡的超參設計，還要加一些其他東西，比如本身就給你一個 RNN，它其實可能表現不好，但加上很多訓練的方法進去，這個模型表現才會好起來。

所以有很多人說這是一個煉丹的過程，但是這個煉丹的過程到目前大家研究的也越來越透徹了，有很多分析的論文已經出來了，所以我們也希望這個模型能夠可解釋性更好一點，這些訓練的技巧方法能夠在數學上找到更好的理論，然后拿實驗去驗證它，而不是說我們就真的是像煉丹師一樣去煉一個模型出來，這不是科學。

這章主要的內容就是介紹了自然語言處理里面常用的一些問題模型和算法模型，對比了統計機器學習方法和深度學習方法，然后分析了它們的優劣之處。

三、對話和機器翻譯中的深度學習模型和云端應用

▌1.機器翻譯和對話系統中的序列到序列模型

前面我們說到了對話機器人和機器翻譯，這它兩個問題其實差不多，一個就是對話機器人它是一個單語的聊天，你說中文它給你回復一個中文。機器翻譯的過程其實是從一個語言到另外一個語言，它說“很高興認識你”，翻譯出來“Nice to meet you”，但兩個問題實際上都是序列到序列的問題，也就是字和字。那么機器翻譯模型和對話系統里面的閑聊，給你回復的這種，它可以用一個通用模型，就是前面說的 Encoder和Decoder 來解決。

數學形式的話就是這樣，X 和 X1 到 Xm，Y 是 Y1 到 Yn，前面可以認為是 M 個詞或者 M 個字，這邊是 N 個詞或者 N 個字，建模就兩個序列之間的映射關系，就是第三個公式。只要把這個映射關系學到了，那么就知道給定了 X1 到 Xm 的時候，我怎么給出一個更好的 Y1 到 Yn，是一個更好的回復或者更好的翻譯，這是一個序列到序列的問題模型。

前面我們已經看過這個模型了，它怎么來生成這個 Y2？首先它要考慮源端的信息，比如 X1 到Xm，它是一個語義。再一個就是它還要考慮到已經生成了什么出來，因為它是逐個生成的，從 Y1 到 Yn，Yn 是逐個生成的。所以已經生成的序列加上源端的信息或者主題的信息，我們可以認為大 X 是一個源端信息或者主題信息，然后經過一個分類器來預測下一個詞，下一個詞預測出來又到這兒來了，加到已經生成的序列后面，這個序列變長了，然后再預測下一個詞，直到預測出一個句子的終結符出來，這個序列的預測就算生成完成了，大概流程就是這樣，抽象的數學表示就是上面三個公式。

這個圖是一個比較經典的 Encoder-Decoder 結構，左邊是一個 Encoder，右邊是一個 Decoder，中間是一個 Attention 注意力機制。當 Decoder 其中一個詞的時候，比如說 Yt 這個詞的時候，去源端尋找跟它相關語義的時候，用一個 Attention 的形式，它到底是 H1 扮演的權重大一些，還是 H2 扮演的權重大一些，還是 Hm 扮演的權重大一些，這是一個 Soft Attention 的過程。

這么講其實有點泛，可以看公式，第三個公式，就是說我們來預測 Yt，Y 小于 t 了，就是說我們知道了前面已經生成的 t-1 個詞，然后 x 是整個源端的信息，它需要參考一個 ct，ct 就是這個 Attention 完的一個結果。

然后就是前面剛生成完的一個 Decoder 頂層的一個狀態，它在算源端的一個相關程度的時候，用的就是中間這一項公式。這個地方歸比較繞，大家可以看一下公式。后面一個關于 Attention 機制的另外一個視角的看法，可能會更好理解一些。

還有一個是從檢索的視角來看 Attention 機制，實際上就是一個 query 的過程，有一個 query key，然后來檢索一個 Memory 的區域，實際上在上面的這個過程當中，拿前面這個 Decoder 的狀態，它作為 query 的 key 去查 Encoder 的 Memory，這個 Memory 長度是 m，寬度是源端的表示維度，大概是查每一塊對它的權重。我們做一個類比的話，知道計算機內存里面去保存，一般是有一個定位的過程，再一個就是保存的一個過程。

不同的是這個定位是 soft 的定位，假如你有 10 個格子去訪問，不是說定位到第 3 個格子就讀第 3 個格子的信息，而是說它要計算這 10 個格子里面的內容，構成最后那個內容的一個權重。比如給第一個格子分了 0.1，第二個格子分了 0.2，第三個格子分 了0.3，依此類推，那到最后整個表示的時候，就是每個格子內容乘上它的權重，然后加起來。這，可以認為是一個 qurery 的過程，檢索一個 Memory 的過程，不再是計算機硬件里面這種硬性的 qurery，而是一個 soft 的 qurery。

這個 qurery 里主要是存在著兩個 key 的運算，一個就是 qurery 可以和 Memory 里面 key 的一個運算來計算相關程度。相關程度計算完以后，通過 softmax 做概率的規劃，然后把它轉到概率空間上面，再根據這個概率對每一個值做權重的加和，得到最后的 result，大家可以看這一塊的公式。relation 函數就是一個怎么來衡量兩個東西關系的一個 relation 函數，一般可以用一個 BP 神經網絡，就是一個前向網絡來做。relation 函數有很多種選擇方式，但它的目的就是算 relation。

廣義的 Encoder-Decoder 框架現在用來做泛文本生成的一個問題，也就是說對話機器人、機器翻譯或者寫文章、寫詩、寫歌詞這種都可以用 Encoder-Decoder 來做。

對它做一個大概總結的話，Encoder-Decoder 就可以把里面的構件隨便地替換掉，比如 Encoder 用 RNN，Decoder 用 CNN ，所以我們前面提到一個神經網絡里面構建的構件這些你完全可以在這個框架里任意去替換，把它當做模塊化的東西來使用。

Attention 的計算過程是基于加法或者基于乘法的，全局的或者局部的，再一個就是它其實可以融入更多的特征進來。在這個框架里融入更多的模塊。不變的是 Encoder 就是對文本做表示的，Decoder 就是用來做生成的。前面說了泛文本生成的任務都可以基于該框架來做，所以它是一個非常經典精簡的框架。

▌2.機器翻譯系統VS對話系統

現在來說機器翻譯系統和對話系統之間的區別，前面說都可以用序列到序列的模型來進行建模，但是區別在哪？首先是機器翻譯系統的訓練語料是一個句對，一個是源語言，一個是目標語言，它們在語義上具有一個非常強的一致性關系，是一個非常標準的序列到序列的任務。再一個就是可以通過大量的平行語料來覆蓋近乎全量的翻譯現象。

對話系統其實場景非常復雜，那就是源端句子和目標端句子并不是語義上的一致性，不是表達語義，而只是一個相關性或者一個回復的關系，你說一句話，可能有上百種、上千種回復關系，所以你很難去拿語料去覆蓋對話場景，并且語料變大的時候，可能會因為這個回復的多樣性會導致知識沖突。再一個就是使用序列到序列的建模模型可以很方便地去搭建搭一個聊天機器人，就是你說一句話，它返回來給你一句話，看上去像在聊天，但是很難去搭一個實用的面向任務的對話系統，比如訂定機票，更多的是說前面做意圖分析，后面再去具體地執行。

對話前面也說了，機器翻譯也需要知識庫，但是對話這個系統更需要知識庫，還有多媒體內容平臺，比如你要看電影，它需要有一個電影庫在后面支持，那就是對話系統和機器翻譯系統區別非常大的一個地方。

▌3.小微對話系統

介紹一下我們微信研發的一套小微對話系統，目前是搭載到了很多硬件上。里面主要的 NLP 任務，內容大家看這個圖，會有分詞、詞性標注、Parsing，還有意圖識別、命名實體識別、槽位填充等 NLP 的任務都可以設計到這個系統里，也就是我們前面說的構建一個產品級的自然語言處理系統，一定會涉及到多個層面，多種技術的使用，才最后拼起來這么一個大的系統。

這個對話系統實際上在周邊還需要很多支持的系統，現在就是語音交付，前面就是一個語音識別，語音識別可以糾錯，然后放到這個對話系統里面，對話系統可以返回一個語音合成的結果或者說一個屏幕展示的結果。所謂語音合成的結果是這樣，比如說你問對話系統明天的天氣怎么樣，那么它就直接給你一段語音就好了。，明天的氣溫是多少，日照強度是多少，這個就合成文本出來，然后文本再合成語音出來。

再一個就是屏幕展現，比如要看一個什么電影，語音合成肯定不滿足你的需求了，那么就是到屏幕展現了，電影就被調出來，然后播放。微信里面語音識別這個系統叫“智聆”，然后給它做一個輸入，交到小微里面去，小微做對話方面的計算，然后呈現用戶結果。

一些標桿的案例，一個是客服，對話系統可以來做客服，你問它一個問題，然后它返回給你相應的答案。再一個就是閑聊對話機器人，賢二機器僧是一個公眾號，你可以跟它去聊一些事情。還有就是車上的對話系統，比如讓它去導航、播放音樂、新聞之類的。還有就是外交部的能夠自動回復的助手。再一個就是現在大家能接觸到的智能音箱或者智能機器人，基本上都要搭載這樣一套對話系統。一個對話系統可以搭載到不同的硬件上去，構成不同的一些應用場景。

四、開發者的技能進階建議

基礎篇，其實還是要基于很大量的數學知識，比如說線性代數、矩陣運算這一塊，整個神經網絡所有的這個模型都是基于矩陣運算來做的，所以這一塊要熟悉。然后再一個就是概率論，統計模型是以概率為基礎的。還有就是高等數學，在神經網絡或者深度學習技術里面用到的就是函數、導數、級數、公式推導這些，在數學模型統計方法里面，這些都是基礎的基礎，非重要。

第二個建議是熟練使用一種深度學習的平臺，現在 python 基本上成了人工智能的一種流程型的語言，大家可以去熟練地掌握，還有然后其他的深度學習平臺，像 TensorFlow 這種，能夠讓你非常方便地來搭建神經網絡模型，不用再去關注非常底層的一些運算。

推薦一些公開課，像 Chris Manning，自然語言處理或者 Standford 里面的 Deep Learning 課程，還有 Coursera 里面的一些自然語言處理課程，大家都可以看一下。下面這個博客，有一些非常好的資源，大家可以去聽別人講一些東西，然后接觸基礎資料，怎么去入門。

進階篇，進階篇去研讀一下現在優秀的一些深度學習的活動，像 Word2Vec 這種大家用得都非常多的。再復雜一點的，像 GNMT，就是谷歌開源出來的一套神經網絡的代碼。然后 Tensor2Tensor，大家在看的時候，一方面可以去學習模型，另一方面可以學習深度學習平臺的使用方法。也就是你讀別人的代碼，可以學到很多東西。再一個就是培養問題建模的能力，就是說你要對問題和模型比較熟悉，給你一個問題你大概能判斷出它大概用哪個模型去解決會好一點。再一個模型實現，就是你能把它實現出來，然后跑出實驗結果出來，就要性能分析、調優，然后加一些訓練方法進去，能夠很好地實現任務。

創新篇，這是更高階段的一個目標。要去研究最新的方法，要讀論文，然后對這個領域的研究現狀和方法都有一個比較清晰的認識，然后看透問題的本質大概是怎樣的，然后嘗試提出自己的觀點和創新性的解決方法，然后能拿合理的實驗方法去驗證。

五、答聽眾問

Q：中文分詞和深度學習的算法相比差距有多少？還需要學習傳統算法嗎？

A：我讀博前兩年做了分詞相關的研究，用深度學習方法做過，也用統計的方法做過。那實際上在一個標準的語料上，就是有一個標準的任務，比如在 3 萬個句子上做訓練，然后在幾百個句子上做分詞的話，神經網絡的方法在表現上面并不具備比傳統方法特別好的一個表現，但在標準的任務上，神經網絡方法一個好處就是它不需要設計特征模板。

Q：序列化標注模型有什么成熟的模型？

A：其實有很多很成熟的模型和工具，問題模型就是序列標注問題，模型有 CRFCIF 或者 MEMM1Mn等，就是最大熵之類的，這些都有一些開源的開放包，你就直接拿著它然后搞一下特征，輸進去，就可以訓練了，都是非常成熟的，神經網絡也可以做序列標注任務。

Q：有監督和無監督方法哪個更有優勢或者兩者區別，可以具體說個例子嗎？

A：有監督方法和無監督方法的應用場景不一樣。目前自然語言處理任務在產品當中應用的難點，一個就是有限的標注數據，要完成很多任務，你先是要去標注數據，需要的人力成本比較高，然后人與人之間的標注數據也會存在一些不一致性，并且你針對某一個具體任務標注的數據它很難遷移到其他任務上去使用，所以這個有監督的方法還是比較局限，然后成本比較高。無監督方法就想解決這個問題，就是怎么把這個成本降下來，但問題是無監督的方法現在的效果不太好，因為無監督它確實知識很少，離應用也會更差一些，但是無監督是一個非常值得研究的問題，如果真的哪天這個問題能夠很好地解決，不再需要標數據的方式，那么無監督方法就可以通用了。