上海交通大學(xué)最新提出切片循環(huán)神經(jīng)網(wǎng)絡(luò)（SRNN），其速度是標(biāo)準(zhǔn)RNN的136倍，并且還能更快！對(duì)六個(gè)大型情緒分析數(shù)據(jù)集的實(shí)驗(yàn)表明，SRNN的性能均優(yōu)于標(biāo)準(zhǔn)RNN。

在許多NLP任務(wù)中，循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）取得了巨大的成功。但是，這種循環(huán)的結(jié)構(gòu)使它們難以并行化，因此，訓(xùn)練RNN需要大量的時(shí)間。

上海交通大學(xué)的Zeping Yu和Gongshen Liu，在論文“Sliced Recurrent Neural Networks”中，提出了全新架構(gòu)“切片循環(huán)神經(jīng)網(wǎng)絡(luò)”（SRNN）。SRNN可以通過將序列分割成多個(gè)子序列來實(shí)現(xiàn)并行化。SRNN能通過多個(gè)層獲得高級(jí)信息，而不需要額外的參數(shù)。

研究人員證明了當(dāng)使用線性激活函數(shù)時(shí)，標(biāo)準(zhǔn)RNN是SRNN的一個(gè)特例。在不改變循環(huán)單元的情況下，SRNN的速度是標(biāo)準(zhǔn)RNN的136倍，并且當(dāng)訓(xùn)練更長的序列時(shí)可能會(huì)更快。對(duì)六個(gè)大型情緒分析數(shù)據(jù)集的實(shí)驗(yàn)表明，SRNN的性能優(yōu)于標(biāo)準(zhǔn)RNN。

提高RNN訓(xùn)練速度的多種方法

循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）已經(jīng)被廣泛用于許多NLP任務(wù)，包括機(jī)器翻譯、問題回答、圖像說明和文本分類。RNN能夠獲得輸入序列的順序信息。最受歡迎的兩個(gè)循環(huán)單元是長短期記憶（LSTM）和門控循環(huán)單元（GRU），兩者都可以將先前的記憶存儲(chǔ)在隱藏狀態(tài)，并使用門控機(jī)制來確定應(yīng)該在何種程度將先前的記憶應(yīng)與當(dāng)前的輸入結(jié)合。但是，由于其循環(huán)的結(jié)構(gòu)，RNN不能并行計(jì)算。因此，訓(xùn)練RNN需要花費(fèi)大量時(shí)間，這限制了學(xué)術(shù)研究和工業(yè)應(yīng)用。

為了解決這個(gè)問題，一些學(xué)者嘗試在NLP領(lǐng)域使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）來代替RNN。但是，CNN無法獲得序列的順序信息，而順序信息在NLP任務(wù)中非常重要。

一些學(xué)者試圖通過改進(jìn)循環(huán)單元來提高RNN的速度，并取得了良好的效果。通過將CNN與RNN相結(jié)合，準(zhǔn)循環(huán)神經(jīng)網(wǎng)絡(luò)（QRNN）的速度提高了16倍。2017年Tao Lei等人提出了簡(jiǎn)單循環(huán)單元SRU（simple recurrent unit），比LSTM快5-10倍。類似地， strongly-typed循環(huán)神經(jīng)網(wǎng)絡(luò)（T-RNN）和最小門控單元（MGU）也是可以改進(jìn)循環(huán)單元的方法。

雖然RNN在這些研究中實(shí)現(xiàn)了更快的速度，并且循環(huán)單元得到了改善，但整個(gè)序列中的循環(huán)結(jié)構(gòu)是保持不變的。我們?nèi)匀恍枰却弦徊降妮敵觯虼薘NN的瓶頸仍然存在。在本文中，我們提出切片循環(huán)神經(jīng)網(wǎng)絡(luò)（SRNN），它在不改變循環(huán)單元的情況下，能夠比標(biāo)準(zhǔn)RNN快得多。我們證明了當(dāng)使用線性激活函數(shù)時(shí)，標(biāo)準(zhǔn)RNN是SRNN的一個(gè)特例，SRNN能夠獲得序列的高級(jí)信息。

為了將我們的模型與標(biāo)準(zhǔn)RNN進(jìn)行比較，我們選擇GRU作為循環(huán)單元。其他的循環(huán)單元也可以用于我們的結(jié)構(gòu)，因?yàn)槲覀兏倪M(jìn)了整個(gè)序列中的整體RNN結(jié)構(gòu)，而不僅僅是改變循環(huán)單元。我們?cè)?個(gè)大型數(shù)據(jù)集上完成了實(shí)驗(yàn)，證明SRNN在所有數(shù)據(jù)集上的性能優(yōu)于標(biāo)準(zhǔn)RNN。

我們開源了實(shí)現(xiàn)代碼:

https://github.com/zepingyu0512/srnn

切片循環(huán)神經(jīng)網(wǎng)絡(luò)SRNN的結(jié)構(gòu)

我們構(gòu)建了一個(gè)新的RNN結(jié)構(gòu)，稱為切片循環(huán)神經(jīng)網(wǎng)絡(luò)(SRNN)，如圖2所示。在圖2中，循環(huán)單位也稱為A。

圖2：SRNN結(jié)構(gòu)。它是通過將輸入序列分割成幾個(gè)長度相等的最小子序列來構(gòu)造的。循環(huán)單元可以在每層子序列上同時(shí)工作，信息可以通過多層傳遞。

輸入序列X的長度為T，輸入序列為:

其中x是每個(gè)步驟的輸入，它可能具有多個(gè)維度，例如單詞嵌入。然后將X分割成長度相等的n個(gè)子序列，每個(gè)子序列的長度n為:

其中n為切片數(shù)，序列X可表示為:

其中每個(gè)子序列是:

類似地，我們將每個(gè)子序列N再次切割成相等長度的n個(gè)子序列，然后重復(fù)該切片操作k次，直到我們?cè)诘讓佑幸粋€(gè)適當(dāng)?shù)淖钚∽有蛄虚L度（我們稱之為第0層，如圖2所示）， 通過切片k次獲得k + 1層。 第0層的最小子序列長度為：

第0層的最小子序列數(shù)為:

因?yàn)榈趐層（p> 0）上的每個(gè)父序列被切成n個(gè)部分，所以第p層上的子序列的數(shù)量是：

并且第p層的子序列長度為：

以圖2為例。 序列長度T為8，切片操作次數(shù)k為2，每個(gè)第p層的切片編號(hào)n為2。將序列切片兩次后，在第0層得到4個(gè)最小子序列，每個(gè)最小子序列的長度為 2。如果序列的長度或其子序列的長度不能除以n，我們可以利用填充法或在每一層上選擇不同的切片編號(hào)。 不同的k和n可以用于不同的任務(wù)和數(shù)據(jù)集。

SRNN和標(biāo)準(zhǔn)RNN之間的區(qū)別在于SRNN將輸入序列切分為許多最小子序列，并利用每個(gè)子序列上的循環(huán)單元。通過這種方式，子序列可以很容易地并行化。在第0層，循環(huán)單元通過連接結(jié)構(gòu)對(duì)每個(gè)最小子序列起作用。 接下來，我們獲得第0層上每個(gè)最小子序列的最后隱藏狀態(tài)，這些狀態(tài)在第1層用作其父序列的輸入。 然后我們使用第（p-1）層上每個(gè)子序列的最后隱藏狀態(tài)作為其第p層上的父序列的輸入，并計(jì)算第p層上子序列的最后隱藏狀態(tài)：

其中為第p層上的數(shù)l隱藏狀態(tài)，mss為第0層上的最小子序列，不同層上可以使用不同的GRU。在每層上的每個(gè)子父序列之間重復(fù)該操作，直到我們得到頂層（第k層）的最終隱藏狀態(tài)F：

實(shí)驗(yàn)：序列長度越長，SRNN處理的速度優(yōu)勢(shì)就越大

數(shù)據(jù)集

我們?cè)诹鶄€(gè)大規(guī)模情緒分析數(shù)據(jù)集上評(píng)估SRNN。表1列出了數(shù)據(jù)集的信息。我們選擇80％的數(shù)據(jù)用于訓(xùn)練，10％用于驗(yàn)證，10％用于測(cè)試。

表1：數(shù)據(jù)集信息。Max words表示最大序列長度，Average words表示每個(gè)數(shù)據(jù)集中句子的平均長度。

結(jié)果和分析

每個(gè)數(shù)據(jù)集的結(jié)果如表2所示。我們選擇不同的n和k值，得到不同的SRNN。例如，SRNN（16,1）表示n = 16且k = 1，當(dāng)T為512時(shí)，可以得到長度為32的最小子序列；當(dāng)T為256時(shí)，可以得到長度為16的最小子序列。我們將4個(gè)SRNN與標(biāo)準(zhǔn)RNN進(jìn)行了比較。每個(gè)數(shù)據(jù)集中，粗體字表示性能最高的模型和速度最快的模型。

表2：每個(gè)數(shù)據(jù)集上模型驗(yàn)證和測(cè)試的準(zhǔn)確度和訓(xùn)練時(shí)間。我們構(gòu)建了四種不同的SRNN結(jié)構(gòu)。DCCNN是dilated casual卷積神經(jīng)網(wǎng)絡(luò)。

結(jié)果表明，在幾乎沒有額外參數(shù)的條件下，SRNN在所有數(shù)據(jù)集上的性能和速度都優(yōu)于標(biāo)準(zhǔn)RNN。不同的SRNN在不同的數(shù)據(jù)集上都實(shí)現(xiàn)了最佳性能：

SRNN（16,1）在Yelp 2013，Yelp 2015，Amazon_F和Amazon_P上都獲得最高的準(zhǔn)確度；

SRNN（8,2）在Yelp 2014上的性能最佳；

SRNN（4,3）在Yelp_P上表現(xiàn)最好。

K大于1時(shí)，SRNN在Yelp數(shù)據(jù)集上比標(biāo)準(zhǔn)RNN快了將近15倍，可見速度的優(yōu)勢(shì)取決于k，n和T。

SRNN（4,3）在Yelp 2015上速度最快， 而SRNN（8,2）在其余數(shù)據(jù)集最快（DCCNN除外）。

我們注意到，Yelp數(shù)據(jù)集上的SRNN（2,8）和Amazon數(shù)據(jù)集上的SRNN（2,7）沒有達(dá)到最佳性能，但也沒有在準(zhǔn)確性方面減弱太多。這意味著SRNN能夠通過多個(gè)層傳輸信息，因此，當(dāng)我們訓(xùn)練非常長的序列時(shí)，SRNN可以獲得顯著的效果。當(dāng)n為2時(shí)，SRNN具有與DCCNN相同的層數(shù)，并且SRNN的精度比DCCNN高得多。因此，這表明SRNN中的循環(huán)結(jié)構(gòu)優(yōu)于dilated casual卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

我們使用NVIDIA GTX 1080 GPU在5120個(gè)文檔上訓(xùn)練模型，因?yàn)槿绻褂酶嗟臄?shù)據(jù)，訓(xùn)練標(biāo)準(zhǔn)RNN需要花費(fèi)太多時(shí)間。訓(xùn)練時(shí)間如表3所示。

從表3中得到驚人的結(jié)果：序列長度越長，SRNN實(shí)現(xiàn)的速度優(yōu)勢(shì)就越大。當(dāng)序列長度為32768時(shí)，SRNN僅需52s，而標(biāo)準(zhǔn)RNN需要花費(fèi)近2小時(shí)。SRNN的速度是標(biāo)準(zhǔn)RNN的136倍！并且如果使用更長的序列，速度優(yōu)勢(shì)可能更大。因此，SRNN可以在長序列任務(wù)上實(shí)現(xiàn)更快的速度，例如語音識(shí)別、字符級(jí)文本分類和語言建模。

表3：不同序列長度的訓(xùn)練時(shí)間和速度優(yōu)勢(shì)。對(duì)于每個(gè)序列長度，我們選擇不同的SRNN結(jié)構(gòu)。

SRNN的優(yōu)勢(shì)和重要意義

在這一部分，我們將討論SRNN的優(yōu)勢(shì)和重要意義。隨著RNN在許多NLP任務(wù)中取得成功，許多學(xué)者提出了不同的結(jié)構(gòu)來提高RNN的速度。通過改善循環(huán)單元，很多研究都能加快RNN的速度。但是，RNN的傳統(tǒng)連接結(jié)構(gòu)幾乎沒有被質(zhì)疑過，而這種結(jié)構(gòu)里每個(gè)步驟都與它的前一步驟相關(guān)聯(lián)。正是這種連接結(jié)構(gòu)限制了RNN的速度。SRNN改進(jìn)了傳統(tǒng)的連接方法。我們構(gòu)建了一種切片結(jié)構(gòu)（sliced structure）來實(shí)現(xiàn)RNN的并行化。在六個(gè)大規(guī)模情感分析數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，SRNN比標(biāo)準(zhǔn)RNN具有更好的性能。原因如下：

（1）當(dāng)使用標(biāo)準(zhǔn)RNN連接結(jié)構(gòu)時(shí)，具門控結(jié)構(gòu)的循環(huán)單元（例如GRU和LSTM）是有用的，但是當(dāng)序列很長時(shí)，它們就無法存儲(chǔ)所有的重要信息。SRNN可以將長序列分成許多短的子序列，并用短序列來獲取重要信息。SRNN能夠通過從第0層到頂層的多層結(jié)構(gòu)傳輸重要信息。

（2）SRNN能夠從序列中獲取高級(jí)信息，而不僅僅是單詞級(jí)信息。我們?cè)?12個(gè)單詞的文本中使用SRNN（8,2）時(shí)，第0層可以從單詞嵌入中獲得句子級(jí)信息，第1層可以從句子級(jí)信息中獲得段落級(jí)信息，第2層可以生成段落級(jí)信息的最終文檔級(jí)表示。而標(biāo)準(zhǔn)RNN只能獲得詞匯級(jí)信息。雖然不可能每個(gè)文檔有8個(gè)段落，每個(gè)段落有8個(gè)句子，每個(gè)句子有8個(gè)單詞，但是總體的順序信息和結(jié)構(gòu)信息是統(tǒng)一的。以段落信息為例，人們總是在文章的開頭或結(jié)尾表達(dá)自己的觀點(diǎn)，并在文章中間舉例說明。與標(biāo)準(zhǔn)RNN相比，SRNN更容易在頂層獲得這些信息。

（3）在處理序列方面，SRNN類似于人腦的機(jī)制。例如，我們作為人類在得到一篇文章，并被要求回答一些問題時(shí)，我們通常不需要深入閱讀整篇文章。我們會(huì)試圖找到提及具體信息的段落，然后在段落中找到可以回答問題的句子和單詞。SRNN可以通過多個(gè)層輕松做到這一點(diǎn)。

除了提高準(zhǔn)確性之外，SRNN的最大優(yōu)勢(shì)是可以并行計(jì)算，實(shí)現(xiàn)更快的速度。我們?cè)诓煌蛄虚L度的實(shí)驗(yàn)表明SRNN的運(yùn)行速度比標(biāo)準(zhǔn)RNN快得多。而且，在更長的序列上，SRNN可能更快。隨著互聯(lián)網(wǎng)的發(fā)展，每天都有數(shù)以億計(jì)的數(shù)據(jù)產(chǎn)生，SRNN可以作為處理這些數(shù)據(jù)的新方法。

結(jié)論和未來工作

在這篇論文中，我們提出切片循環(huán)神經(jīng)網(wǎng)絡(luò)（SRNN），這是RNN的整體結(jié)構(gòu)改進(jìn)。 SRNN可以達(dá)到比標(biāo)準(zhǔn)RNN快得多的速度，并在六個(gè)大規(guī)模情感數(shù)據(jù)集上實(shí)現(xiàn)更好的性能。

SRNN在文本分類方面取得了成功。在未來的工作中，我們希望將其推廣到其他NLP應(yīng)用，例如問答、文本摘要和機(jī)器翻譯。在序列到序列模型中，SRNN可以用作編碼器，并且可以通過使用反向SRNN結(jié)構(gòu)來改進(jìn)解碼器。此外，我們希望在一些長序列任務(wù)中使用SRNN，例如語言模型、音樂生成和音頻生成。我們想探索更多SRNN的變體，例如，可以添加雙向結(jié)構(gòu)和注意力機(jī)制。