今天給大家介紹EMNLP2020的一篇關(guān)于多語言翻譯新范式的工作multilingual Random Aligned Substitution Pre-training （mRASP）［1］，核心思想就是打造“機(jī)器翻譯界的BERT”，通過預(yù)訓(xùn)練技術(shù)再在具體語種上微調(diào)即可達(dá)到領(lǐng)先的翻譯效果，其在32個(gè)語種上預(yù)訓(xùn)練出的統(tǒng)一模型在47個(gè)翻譯測試集上取得了全面顯著的提升。

目錄

機(jī)器翻譯預(yù)訓(xùn)練的挑戰(zhàn)

mRASP發(fā)明的動(dòng)機(jī)和方法

mRASP實(shí)際效果和分析

En-De和En-Fr Benchmark

預(yù)訓(xùn)練階段沒見過的語言擴(kuò)展

案例分析

效果分析

手把手教你用mRASP快速得到任意翻譯模型

附注：相關(guān)技術(shù)已經(jīng)被應(yīng)用于火山翻譯［2］

1. 機(jī)器翻譯預(yù)訓(xùn)練的挑戰(zhàn)

目前絕大多數(shù)AI任務(wù)都是建立在數(shù)據(jù)的基礎(chǔ)之上的統(tǒng)計(jì)學(xué)習(xí)，模型的表現(xiàn)效果很大程度上依賴于數(shù)據(jù)的質(zhì)量和數(shù)量。利用大量較易獲得的數(shù)據(jù)來預(yù)訓(xùn)練模型，在具體應(yīng)用場景再利用少量標(biāo)注數(shù)據(jù)微調(diào)來實(shí)現(xiàn)實(shí)際場景可用的模型，已經(jīng)成為NLP新的成功范式。例如BERT［3］在大規(guī)模純文本上預(yù)訓(xùn)練后，在自然語言理解的11項(xiàng)任務(wù)上少量微調(diào)就能取得很好的成績。不過，在多語言的機(jī)器翻譯中，通過預(yù)訓(xùn)練再微調(diào)的范式還未取得普遍的成功。以前的NLP預(yù)訓(xùn)練方式例如BERT、GPT［4］訓(xùn)練目標(biāo)與翻譯關(guān)注的目標(biāo)之間差距過大，不易直接使用。mRASP提出了全新的思路，利用多個(gè)語言已經(jīng)積累的大量雙語平行語料，合并起來聯(lián)合訓(xùn)練一個(gè)統(tǒng)一的模型，之后再基于此微調(diào)，讓預(yù)訓(xùn)練和微調(diào)目標(biāo)盡可能接近，這樣才能更大發(fā)揮預(yù)訓(xùn)練模型作用。

BERT和GPT的示意圖

MASS和機(jī)器翻譯示意圖對比

上圖對比分析了之前NLP預(yù)訓(xùn)練方法在機(jī)器翻譯場景直接應(yīng)用的限制。BERT和GPT分別對應(yīng)了Transformer［5］ 編碼器部分和解碼器部分的預(yù)訓(xùn)練，而機(jī)器翻譯用的是序列生成模型。這種模型結(jié)構(gòu)的不一致會(huì)導(dǎo)致翻譯模型只有一部分參數(shù)被初始化，有效發(fā)揮預(yù)訓(xùn)練作用會(huì)比較困難，因此需要很多特殊的技巧才能得到提升［6］。

針對序列模型，很快也有研究者提出了MASS［7］和BART［8］等框架將預(yù)訓(xùn)練擴(kuò)展到序列生成任務(wù)，它們使用 auto-encoder（自編碼器）進(jìn)行自學(xué)習(xí)，在很多下游生成任務(wù)上都取得了顯著的效果，但是在機(jī)器翻譯的應(yīng)用上依然存在兩個(gè)重要的問題，第一是在資源豐富的語種（例如英德和英法）上沒有觀察到提升，第二是沒有辦法擴(kuò)展到多語種翻譯任務(wù)上。這種局限性，很大一部分原因就是自編碼相對是簡單任務(wù)，很難學(xué)習(xí)到更深層次的表示，而機(jī)器翻譯需要更復(fù)雜的語義轉(zhuǎn)化，這種預(yù)訓(xùn)練目標(biāo)和下游任務(wù)之間的差異，導(dǎo)致模型很難最大程度利用好預(yù)訓(xùn)練數(shù)據(jù)。如何克服著兩個(gè)問題，成了預(yù)訓(xùn)練模型在機(jī)器翻譯領(lǐng)域應(yīng)用的重要挑戰(zhàn)。

2. 多語言翻譯預(yù)訓(xùn)練方法mRASP的動(dòng)機(jī)和方法

對于語言學(xué)習(xí)者來說，有一個(gè)非常有意思的現(xiàn)象，他們發(fā)現(xiàn)在學(xué)習(xí)了三四種語言之后，再學(xué)習(xí)一個(gè)新的語言速度會(huì)加快。一個(gè)簡單的例子，如果有人分別學(xué)習(xí)德語和法語，可能各需要一年的時(shí)間，然而他先學(xué)習(xí)了德語，再去學(xué)法語，可能只需要一年零三個(gè)月就學(xué)會(huì)了，接下來再去學(xué)習(xí)西班牙語，速度可能會(huì)更快。對于程序語言其實(shí)也是類似的道理，學(xué)習(xí)C++可能需要一年，接下來再學(xué)習(xí) Java，Python 可能只需要一個(gè)月。一個(gè)淺顯的解釋是，人類在多語言學(xué)習(xí)的過程會(huì)自發(fā)去總結(jié)語言中比較抽象的共性，重點(diǎn)學(xué)習(xí)新語言的特性。因此想要提升個(gè)人的語言學(xué)習(xí)能力，往往需要學(xué)習(xí)更多的語言，能夠?qū)φZ言的共性有更精確的把握，而不是拼命學(xué)習(xí)一個(gè)語言。同樣的道理，對于機(jī)器翻譯而言，能否把翻譯能力遷移到不同語言上，使得不同語言之間的信息可以互相利用，就成了一件非常有趣的問題。

mRASP的設(shè)計(jì)目標(biāo)正是基于這樣的考慮，設(shè)計(jì)一個(gè)通用的預(yù)訓(xùn)練模型，學(xué)習(xí)語言之間轉(zhuǎn)換的共性，接下來就被更容易遷移到新的翻譯方向。就好像語言學(xué)習(xí)者一樣，在學(xué)習(xí)了兩種語言之后，第三種語言就變得很輕松了。mRASP 的設(shè)計(jì)遵循了兩個(gè)基本原則：第一，預(yù)訓(xùn)練的目標(biāo)和機(jī)器翻譯基本一致，需要學(xué)習(xí)到語言的轉(zhuǎn)換能力；第二，盡可能學(xué)習(xí)語言的通用表示，跨語言的句子或詞語，如果語義接近則隱空間中的表示也應(yīng)該接近。

mRASP方法，使用帶語言標(biāo)識(shí)的Transformer作為翻譯網(wǎng)絡(luò)框架

mRASP遵循了通用的預(yù)訓(xùn)練-微調(diào)框架。預(yù)訓(xùn)練階段，不同于傳統(tǒng)預(yù)訓(xùn)練模型大量堆疊無監(jiān)督單語數(shù)據(jù)的方式， mRASP另辟蹊徑，采用了多語言平行數(shù)據(jù)作為預(yù)訓(xùn)練的主要目標(biāo)，將幾十種語言的平行數(shù)據(jù)放到同一個(gè)模型進(jìn)行聯(lián)合訓(xùn)練。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)采用Transformer，加上語言標(biāo)識(shí)符（Language token）標(biāo)識(shí)源語言和目標(biāo)語言。為了保證不同語言的句子和詞語能嵌入到同一個(gè)空間，同一個(gè)意思的句子無論中文還是英文說得都應(yīng)該是對應(yīng)同一個(gè)向量表示，又引入了隨機(jī)替換對齊技術(shù)RAS，來制造更豐富的上下文。

一句中文的句子“我 愛 北京 天安門”中的“愛”有一定概率被替換成“aime”（法語），“北京”也有一定概率被替換成“Pékin”（法語），于是原句就可能會(huì)變成“我 aime Pékin 天安門”。訓(xùn)練集中的一對平行句對可以變?yōu)閮蓪Γㄉ踔寥龑Α⑺膶Γ?/p>

我 愛 北京 天安門 ==》 I love Beijing Tiananmen Square

我 aime Pékin 天安門 ==》 I love Beijing Tiananmen Square

而在微調(diào)階段，只需要使用預(yù)訓(xùn)練階段的參數(shù)作初始化，之后采用和傳統(tǒng)單向機(jī)器翻譯相同的訓(xùn)練方法即可。因此使用mRASP并不需要掌握任何額外的技能。

3. mRASP實(shí)際效果和分析

mRASP使用32個(gè)語言的平行語料來預(yù)訓(xùn)練，在英語到法語方向上僅使用wmt14的平行語料進(jìn)行微調(diào)，就達(dá)到了不需要使用費(fèi)時(shí)費(fèi)力的海量單語Back Translation的最佳效果（44.3 BLEU），同時(shí)，應(yīng)用到新的語言方向荷蘭語（Nl）到葡萄牙語（Pt）上，僅使用1.2萬平行句對，微調(diào)了十分鐘就可以獲得一個(gè)可使用的（BLEU 10+）模型，而同等平行句對量很難從頭訓(xùn)練一個(gè)可使用的MT模型（BLEU接近0）。

簡單概況，mRASP具有如下幾點(diǎn)優(yōu)勢：

1. 模型簡單易復(fù)現(xiàn)

mRASP的預(yù)訓(xùn)練僅使用了共1.1億對平行句對（由于同一對平行句對對兩個(gè)方向都適用，所以一共是2.2億個(gè)訓(xùn)練樣本），詞表大小僅64k個(gè)bpe subword，相比于其它預(yù)訓(xùn)練方法，動(dòng)輒百億數(shù)據(jù)幾十層網(wǎng)絡(luò)，訓(xùn)練難度更小，單機(jī)8卡不到一周在32個(gè)語言上就可以完成預(yù)訓(xùn)練。當(dāng)然在更多語言上的預(yù)訓(xùn)練模型也可以簡單擴(kuò)展獲得。

2. 通用性極強(qiáng)

mRASP在大中小規(guī)模訓(xùn)練集上，相對于直接訓(xùn)練的單向機(jī)器翻譯模型，效果都有一定的提升，甚至包括平行語料最多的語向英語到法語（提升了1.1BLEU）。即使對于預(yù)訓(xùn)練數(shù)據(jù)中從來沒有見過的語種荷蘭語到葡萄牙語，也取得了 10+BLEU 的顯著收益。

這里摘錄了有代表性的部分實(shí)驗(yàn)結(jié)果：

3.1. En-De和En-Fr Benchmark

下圖中對比了mRASP加微調(diào)在英德（En-De）和英法（En-Fr）上的效果和最近同期的其他幾個(gè)跨語言預(yù)訓(xùn)練模型加微調(diào)的結(jié)果。可以看出，mRASP的效果是有一定優(yōu)勢的，En-》De wmt 2016測試集上達(dá)到了30.3 （tokenized BLEU）， En-》Fr wmt 2014測試集上達(dá)到了44.3 （tokenized BLEU）。CTNMT 使用了 BERT預(yù)訓(xùn)練。MASS使用了大規(guī)模單語數(shù)據(jù)。mBERT是多語言 BERT 模型。mBART 是同期出現(xiàn)的另一種預(yù)訓(xùn)練方式，引入了海量多語言單語數(shù)據(jù)，訓(xùn)練時(shí)間也達(dá)到256卡20天。

3.2. 預(yù)訓(xùn)練階段沒見過的語言擴(kuò)展

不包含在預(yù)訓(xùn)練階段平行句對中的語向，也稱作“Exotic Directions”，在Exotic Directions上是否有效果，決定了 mRASP 是否具有很好的擴(kuò)展性和泛化能力。

論文中對Exotic Directions分為四種情況：

Exotic Pair： 源語言和目標(biāo)語言都經(jīng)過了單獨(dú)的預(yù)訓(xùn)練，但模型還沒有見過它們組成的雙語對

Exotic Source： 模型在預(yù)訓(xùn)練階段只見過目標(biāo)端語言，源端語言完全沒見過

Exotic Target： 模型在預(yù)訓(xùn)練階段只見過源端語言，目標(biāo)端語言完全沒見過

Exotic Full： 模型在預(yù)訓(xùn)練階段完全沒見過源端語言和目標(biāo)端語言

這四種未見語對情況下訓(xùn)練機(jī)器翻譯都很難。當(dāng)然其中難度最大的是最后一種，相當(dāng)于要求只學(xué)習(xí)了中文和英語的人，讀少量拉丁語和印地語的句子就可以從拉丁語到印地語翻譯。

Exotic Directions的四種分類

值得關(guān)注的是，法中（Fr-Zh）兩邊都單獨(dú)出現(xiàn)過，但是沒有作為平行語對出現(xiàn)過，只使用了20K平行語料就可以達(dá)到20+的BLEU score。

同時(shí)，對于兩邊語言都沒在預(yù)訓(xùn)練階段出現(xiàn)過的語對，比如荷蘭語到葡萄牙語（Nl-Pt），只使用1.2萬句平行語料，經(jīng)過大概10分鐘的訓(xùn)練后，也可以達(dá)到10+ BLEU score。

3.3. 案例分析

英語-法語案例。mRASP方法訓(xùn)練出來的模型比Direct方法的模型優(yōu)秀的地方之一在于： Direct系統(tǒng)忽略了無實(shí)際意義單詞（比如冠詞，指示詞等）的傾向，而mRASP保持了冠詞和指示詞的一致。

法語-中文案例。Exotic Pair，20k平行句對。Direct 0.7 BLEU 遠(yuǎn)弱于 mRASP 25.8 BLEU，Direct系統(tǒng)完全不能翻譯，而mRASP系統(tǒng)翻譯得很好

荷蘭語-葡萄牙語案例。Exotic Full，1.2萬平行句對。Direct 0 BLEU vs mRASP 14.1 BLEU。mRASP得到的荷葡翻譯模型的翻譯效果雖然不能成功翻譯每個(gè)細(xì)節(jié)，但是能抓住原文的一些關(guān)鍵信息。比如例子中的（1） 日期 （2） 會(huì)議記錄 -會(huì)議的消息 （3） 分發(fā)-共享。

3.4. 效果分析mRASP

作為通用的預(yù)訓(xùn)練模型，它對各個(gè)MT下游任務(wù)的的提升效果從何而來？

作者認(rèn)為，其提升主要來源于兩個(gè)方面：

mRASP拉近了不同語言間同義詞的向量表示

mRASP拉近了不同語言間同義句子的向量表示

單詞級(jí)別和句子級(jí)別的表示被拉近意味著： 經(jīng)過預(yù)訓(xùn)練階段對大量語言的平行句對的處理和學(xué)習(xí)，mRASP隱式地“掌握”了語言無關(guān)的表示，而這個(gè)表示是可以被遷移到任意語言上的，因此mRASP可以普遍地提高機(jī)器翻譯下游任務(wù)的效果。

1. mRASP拉近不同語言單詞級(jí)別的向量表示

RAS的引入通過使得不同語言的同義詞之間共享相同的上下文，而在NLP中詞義是由上下文（context）決定的，從而進(jìn)一步拉近不同語言之間同義詞的表示。

左圖： w/o RAS， 右圖： w/ RAS

可以看出，加了RAS方法之后，不同語言之間的embedding分布被拉近了（角度變小）。

2. mRASP拉近不同語言句子級(jí)別的向量表示

除了拉近同義詞的向量表示之外，mRASP也拉近了語義的向量表示。

使用編碼器輸出向量作為句子的空間表征（L2 normalized averaged-pooled encoder output），從TED平行測試集（經(jīng)過過濾得到的15-way 平行測試集，共2284條） 中匹配到相似度（cosine similarity）最近的句子，計(jì)算Top-1準(zhǔn)確度（sentence retrieval accuracy）。mRASP 檢索的平均準(zhǔn)確度達(dá)到76%。我們將mRASP和mBART［9］進(jìn)行對比：

mRASP的準(zhǔn)確度減去mBART的準(zhǔn)確度，注意荷蘭語（Nl）在mRASP預(yù)訓(xùn)練數(shù)據(jù)中完全沒出現(xiàn)過，其他方向上的準(zhǔn)確度都大大超過了mBART。

mRASP的準(zhǔn)確度減去不使用RAS的mRASP的方法的準(zhǔn)確度。可以看出mRASP的RAS方法在預(yù)訓(xùn)練階段沒出現(xiàn)過的語言（Nl）上有明顯收益

將句首的語種標(biāo)識(shí)符（Language token）去掉以后，Nl的準(zhǔn)確度還可以進(jìn)一步提升，不過其他語言上的準(zhǔn)確度大幅下降

總結(jié)

mRASP建立了多語言預(yù)訓(xùn)練到微調(diào)到多個(gè)語種翻譯模型的成功路徑，這也會(huì)成為機(jī)器翻譯的新范式。我們很期待在這個(gè)方向上不斷有新的方法涌現(xiàn)出來，朝向最終目標(biāo)大踏步前進(jìn)。未來幾年，機(jī)器翻譯的進(jìn)展可以幫助幾十上百個(gè)國家的每個(gè)人真正無語言障礙的溝通交流。

最后，附上我們的Github［10］、Paper［11］和體驗(yàn)官網(wǎng)［12］。

4. 手把手教你用mRASP快速得到任意翻譯模型

簡單上手

下面我們就來手把手教大家如何使用作者開源的mRASP模型來快速得到一個(gè)單向的機(jī)器翻譯模型。在后面的例子中，我們選用作者提供的toy en-de數(shù)據(jù)集［13］來做示范。

環(huán)境配置

在開始正式訓(xùn)練的過程之前，我們首先需要配置好環(huán)境。

由于作者的實(shí)現(xiàn)是基于fairseq（使用pytorch框架）的，因此你需要安裝pytorch。

將repo同步到本地，并且使用pip命令安裝requirements.txt文件里的包。

git

clone https://github.com/linzehui/mRASP.git

cd mRASP

pip install -r requirements.txt

下載mRASP模型

進(jìn)入作者分享的鏈接里下載，這里我們需要下載有RAS的版本［14］。

訓(xùn)練數(shù)據(jù)預(yù)處理

合并詞表（可選）

如果使用原來的詞表，跳過這一步。當(dāng)你需要加入新的語種（不在原詞表支持的59個(gè)語種中）時(shí)，需要先將詞表進(jìn)行合并：

python ${PROJECT_ROOT}/train/scripts/concat_merge_vocab.py --checkpoint ${CKPT} --now-vocab ${CURRENT_VOCAB} --to-append-vocab ${NEW_VOCAB} --output-dir ${OUTPUT_DIR}

預(yù)處理訓(xùn)練集和測試集

對數(shù)據(jù)進(jìn)行清洗、tokenize、subword操作，其中subword使用的是原來的詞表或者合并后的詞表，具體配置在yaml配置文件中展開。

# training set

bash ${PROJECT_ROOT}/preprocess/multilingual_preprocess_main.sh ${PROJECT_ROOT}/experiments/example/configs/preprocess/train_en2de.yml

# test set

bash ${PROJECT_ROOT}/preprocess/multilingual_preprocess_main.sh ${PROJECT_ROOT}/experiments/example/configs/preprocess/test_en2de.yml

配置文件如下

https://github.com/linzehui/mRASP/blob/master/experiments/example/configs/preprocess/train_en2de.yml

https://github.com/linzehui/mRASP/blob/master/experiments/example/configs/preprocess/test_en2de.yml

運(yùn)行預(yù)處理腳本會(huì)產(chǎn)生如下輸出

==== Working directory： ====

/data00/home/panxiao.94/experiments/pmnmt/preprocess

============================

======== 1. Clean & Tokenization BEGIN ========

******** Generate config for LANGUAGE ********

******** Generate config for LANGUAGE PAIR en_de and Clean & Tokenize en_de Parallel Data ********

======== 1. Clean & Tokenization ALL DONE ========

======== 2. Subword & Vocab BEGIN ========

******** Only Apply BEGIN ********

******** Only Apply ALL DONE ********

======== 2. Subword & Vocab ALL DONE ========

======== 3. Merge BEGIN ========

======== 3. Merge ALL DONE ========

處理好的數(shù)據(jù)會(huì)出現(xiàn)在${merged_output_path}所指定的位置

#比如，在測試集配置文件所指定的${merged_output_path}目錄下面

dev.de dev.en

在預(yù)處理完之后，需要將上述數(shù)據(jù)進(jìn)行binarize（fairseq中特定的二進(jìn)制化操作），具體操作可以參考

bash ${PROJECT_ROOT}/experiments/example/bin_finetune.sh

運(yùn)行時(shí)顯示如下

微調(diào)訓(xùn)練

新建微調(diào)階段配置文件

作者使用的是yaml格式的配置文件，微調(diào)階段的配置參數(shù)如下面的例子，各參數(shù)的具體說明可以在作者的說明中找到。

src： en

tgt： de

model_arch： transformer_wmt_en_de_big

encoder_learned_pos： true

decoder_learned_pos： true

data_path： /data00/home/panxiao.94/experiments/mRASP/experiments/example/data/fine-tune/en2de

model_dir： /data00/home/panxiao.94/experiments/mRASP/experiments/example/models/fine-tune/transformer_big/en2de

pretrain_model_dir： /data00/home/panxiao.94/experiments/mRASP/experiments/example/models/pre-train/transformer_big

update_freq： 1

log_interval： 5

save_interval_updates： 50

max_update： 500

max_tokens： 2048

max_source_positions： 256

max_target_positions： 256

lr： 5e-4

dropout： 0.2

activation_fn： gelu

criterion： label_smoothed_cross_entropy

reset_optimizer： true

reset_lr_scheduler： true

reset_dataloader： true

reset_meters： true

lr_scheduler： inverse_sqrt

weight_decay： 0.0

clip_norm： 0.0

warmup_init_lr： 1e-07

label_smoothing： 0.1

fp16： true

seed： 9823843

開始訓(xùn)練！

在準(zhǔn)備好配置文件后，運(yùn)行下面的命令

export CUDA_VISIBLE_DEVICES=0，1，2 && export EVAL_GPU_INDEX=${eval_gpu_index} && bash ${PROJECT_ROOT}/train/fine-tune.sh ${finetune_yml} ${eval_yml}

eval_gpu_index 表示被分配用于在訓(xùn)練時(shí)進(jìn)行評(píng)估的GPU的id，如果設(shè)置成 -1則表示在訓(xùn)練過程中將使用CPU進(jìn)行評(píng)估。

${finetune_yml}是上一步中配置好的yaml文件

${eval_yml} 參考https://github.com/linzehui/mRASP/blob/master/experiments/example/configs/eval/en2de_eval.yml

用模型翻譯吧！

當(dāng)訓(xùn)練完成后，我們就可以直接使用fairseq-interactive來實(shí)時(shí)生成翻譯了。假設(shè)將checkpoint和bpe codes文件都放在${PROJECT_ROOT}/model目錄下，那么可以運(yùn)行下面的命令：

repo_dir=${PROJECT_ROOT}

fairseq-interactive

--path ${repo_dir}/model/checkpoint_last.pt

--beam 5 --source-lang en --target-lang de

--tokenizer moses

--bpe subword_nmt --bpe-codes ${repo_dir}/model/codes.bpe.32000

注意輸入文本時(shí)，一定要在句子前加上language token，比如：

LANG_TOK_EN This was also confirmed by Peter Arnold from the Offenburg District Office.

模型的輸出也會(huì)以目標(biāo)端語言的language token為開頭：

LANG_TOK_DE Dies best?tigt auch Peter Arnold vom Landratsamt Offenburg.

原文標(biāo)題：機(jī)器翻譯界的BERT：可快速得到任意機(jī)翻模型的mRASP

文章出處：【微信公眾號(hào)：深度學(xué)習(xí)自然語言處理】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq