Sebastian Ruder 是一位 NLP 方向的博士生、研究科學(xué)家，目前供職于一家做 NLP 相關(guān)服務(wù)的愛爾蘭公司 AYLIEN，同時，他也是一位活躍的博客作者，發(fā)表了多篇機器學(xué)習(xí)、NLP 和深度學(xué)習(xí)相關(guān)的文章。最近，他基于十幾篇經(jīng)典論文盤點了 2018 年 NLP 領(lǐng)域十個令人激動并具有影響力的想法，并將文章發(fā)布在 Facebook 上。

今年，我發(fā)現(xiàn)了 十個令人激動并具有影響力的想法，并將其匯總成了這篇文章。在未來，我們可能還會對它們有更多了解。

對于每個想法，我都挑選 1-2 篇對該想法執(zhí)行良好的論文。我試圖保持這份清單的簡潔性，因此如果沒有覆蓋到所有相關(guān)工作，還請大家見諒。這份清單包含主要與遷移學(xué)習(xí)相關(guān)的想法及其概述，不過也必然會帶有一定的主觀性。其中的大部分（一些例外）并不是一種趨勢（但我預(yù)測其中的一些想法在 2019 年會變得更具趨勢性）。

最后，我希望在評論區(qū)中看到你的精彩評論或者其他領(lǐng)域的精彩文章。

1）無監(jiān)督的機器翻譯翻譯（Unsupervised MT）

ICLR 2018 收錄的兩篇關(guān)于無監(jiān)督機器翻譯翻譯的論文（https://arxiv.org/abs/1710.11041）中，無監(jiān)督機器翻譯的整個過程的表現(xiàn)好得讓人感到驚訝，但結(jié)果卻不如監(jiān)督系統(tǒng)。在 EMNLP 2018，兩篇同樣來自這兩個團(tuán)隊的論文（https://arxiv.org/abs/1809.01272）顯著改進(jìn)了之前的方法，讓無監(jiān)督的機器翻譯取得了進(jìn)展。代表性論文：

《基于短語和神經(jīng)的無監(jiān)督機器翻譯》（EMNLP 2018）

Phrase-Based & Neural Unsupervised Machine Translation

論文地址：https://arxiv.org/abs/1804.0775

這篇論文很好地為無監(jiān)督機器翻譯提取了三個關(guān)鍵要求：良好的初始化、語言建模以及你想任務(wù)建模（通過反向翻譯）。我們在下文中會看到，這三項要求同樣對其他的無監(jiān)督場景有益。反向任務(wù)建模要求循環(huán)的一致性，其已在不同方法（尤其是 CycleGAN，https://arxiv.org/abs/1703.10593）中得到應(yīng)用。這篇論文甚至在兩個低資源語言對——英語-烏爾都語以及英語-羅馬尼亞語上進(jìn)行了廣泛的實驗和評估。未來我們有希望看到更多針對資源匱乏類語言的工作。

無監(jiān)督機器翻譯三項原則的插圖說明：A）兩個單語數(shù)據(jù)集；B）初始化；C）語言建模；D）反向翻譯(Lample et al., 2018)。

2）預(yù)訓(xùn)練的語言模型（Pretrained language models）

使用預(yù)訓(xùn)練的語言模型可能是今年最重要的 NLP 趨勢，因此我在這里就不過多描述。針對預(yù)訓(xùn)練的語言模型，這里有很多讓人印象深刻的方法：ELMo（https://arxiv.org/abs/1802.05365）, ULMFiT（https://arxiv.org/abs/1801.06146）、 OpenAI Transformer以及 BERT（https://arxiv.org/abs/1810.04805）。代表性論文：

《深度的語境化詞語表示》（NAACL-HLT 2018）

《Deep contextualized word representations》

論文地址：https://arxiv.org/abs/1802.05365

這篇論文介紹了 ELMo，頗受好評。除了實證結(jié)果讓人印象深刻，這篇論文的詳細(xì)的分析部分也非常顯眼，該部分梳理了各類因素的影響，并且分析了在表示中所捕獲的信息。詞義消歧（WSD）分析自身（下圖左）也執(zhí)行得很好。這兩者都表明，機器學(xué)習(xí)本身就提供了接近最新技術(shù)的詞義消歧和詞性標(biāo)注性能。

與基線相比的第一層和第二層雙向語言模型的詞義消歧(左)和詞性標(biāo)注(右)結(jié)果（Peters et al., 2018）。

3）常識推理數(shù)據(jù)集（Common sense inference datasets）

將常識融入模型是向前發(fā)展的最重要方向之一。然而，創(chuàng)建好的數(shù)據(jù)集并不容易，甚至最常用的那些好的數(shù)據(jù)集還存在很大的偏差。今年出現(xiàn)了一些執(zhí)行良好的數(shù)據(jù)集，它們試圖教模型一些常識，比如同樣都源自華盛頓大學(xué)的 Event2Mind（https://arxiv.org/abs/1805.06939）和 SWAG（https://arxiv.org/abs/1808.05326）。其中，SWAG 學(xué)到常識的速度出乎意料地快。代表性論文：

《視覺常識推理》（arXiv 2018）

Visual Commonsense Reasoning

論文地址：http://visualcommonsense.com/

這是第一個包含了每個答案所對應(yīng)的基本原理（解釋）的視覺 QA 數(shù)據(jù)集。此外，問題要求復(fù)雜的推理。創(chuàng)建者通過確保每個答案正確的先驗概率為 25％（每個答案在整個數(shù)據(jù)集中出現(xiàn) 4 次，其中，錯誤答案出現(xiàn) 3 次，正確答案出現(xiàn) 1 次）來不遺余力地解決可能存在的偏差；這就要求使用計算相關(guān)性和相似性的模型來解決約束優(yōu)化問題。我希望，在創(chuàng)建數(shù)據(jù)集時預(yù)防可能的偏倚可以成為未來研究人員們的常識。最終，看看數(shù)據(jù)精彩地呈現(xiàn)出來就可以了。

VCR：給定一張圖片、一個區(qū)域列表和一個問題，模型必須回答這個問題，并給出一個可解釋其答案為何正確的理由。(Zellers et al., 2018).

4）元學(xué)習(xí)（Meta-learning）

元學(xué)習(xí)已在小樣本學(xué)習(xí)、強化學(xué)習(xí)和機器人技術(shù)中得到廣泛應(yīng)用——最突出的例子是與模型無關(guān)的元學(xué)習(xí)（MAML，https://arxiv.org/abs/1703.03400），但其很少在 NLP 中得到成功應(yīng)用。元學(xué)習(xí)對于訓(xùn)練示例數(shù)量有限的問題非常有用。代表性論文：

《低資源神經(jīng)機器翻譯的元學(xué)習(xí)》（EMNLP 2018）

Meta-Learning for Low-Resource Neural Machine Translation

論文地址：http://aclweb.org/anthology/D18-1398

作者使用 MAML 方法學(xué)習(xí)翻譯的良好初始化，將每一個語言對都視為單獨的元任務(wù)。適應(yīng)低資源語言對，可能是對 NLP 中的元學(xué)習(xí)最有用的設(shè)置。特別地，將多語種遷移學(xué)習(xí)（例如多語種 BERT，https://github.com/google-research/bert/blob/master/multilingual.md）、無監(jiān)督學(xué)習(xí)和元學(xué)習(xí)結(jié)合起來是一個有前景的研究方向。

遷移學(xué)習(xí)、多語言遷移學(xué)習(xí)與元學(xué)習(xí)之間的區(qū)別。 實線：初始化學(xué)習(xí)。 虛線：調(diào)整路徑(Gu et al., 2018).

5）穩(wěn)健的無監(jiān)督方法（Robust unsupervised methods）

今年，我們（http://aclweb.org/anthology/P18-1072）和其他研究者（http://aclweb.org/anthology/D18-1056）都已經(jīng)觀察到，當(dāng)語言不同時，無監(jiān)督的跨語言詞向量方法就會失效。這是遷移學(xué)習(xí)中的常見現(xiàn)象，其中源和目標(biāo)設(shè)置（例如，域適應(yīng)中的域https://www.cs.jhu.edu/~mdredze/publications/sentiment_acl07.pdf、連續(xù)學(xué)習(xí)https://arxiv.org/abs/1706.08840和多任務(wù)學(xué)習(xí)http://www.aclweb.org/anthology/E17-1005中的任務(wù)）之間的差異會導(dǎo)致模型的退化或失敗。因此，讓模型對于這些變化更加穩(wěn)健非常重要。代表性論文：

《用于完全無監(jiān)督的跨語言詞向量的穩(wěn)健自學(xué)習(xí)方法》（ACL 2018）

A robust self-learning method for fully unsupervised cross-lingual mappings of word embeddings

論文地址：http://www.aclweb.org/anthology/P18-1073

該論文利用他們對問題的理解來設(shè)計更好的初始化，而不是在初始化上應(yīng)用元學(xué)習(xí)。特別地，他們將兩種語言中與相似詞具有相似的詞分布的詞進(jìn)行配對。這是利用領(lǐng)域?qū)I(yè)知識和分析見解來使模型變得更穩(wěn)健的非常好的案例。

三個詞的相似度分布。 等效翻譯（「two」和「due」)的分布比非相關(guān)詞(「two」和「cane」——意思是「dog」)的分布更為相似。（Artexte et al., 2018）

6）理解表示（Understanding representations）

研究者們未來更好地理解表示，已經(jīng)做了很多努力。特別是「診斷分類器」（diagnostic classifiers，https://arxiv.org/abs/1608.04207）(旨在評估學(xué)習(xí)到的表示能否預(yù)測某些屬性的任務(wù)) 已經(jīng)變得非常常用（http://arxiv.org/abs/1805.01070）了。代表性論文：

《語境化詞向量解析：架構(gòu)和表示》（EMNLP 2018）

Dissecting Contextual Word Embeddings: Architecture and Representation

論文地址：http://aclweb.org/anthology/D18-1179

該論文對預(yù)訓(xùn)練語言模型表示實現(xiàn)了更好的理解。作者在精心設(shè)計的無監(jiān)督和有監(jiān)督的任務(wù)上對詞和跨度表示進(jìn)行了廣泛的學(xué)習(xí)研究。結(jié)果表明：預(yù)訓(xùn)練的表示可以在較低的層中學(xué)習(xí)到低級形態(tài)和句法任務(wù)相關(guān)的任務(wù)，并且可以在較高的層中學(xué)習(xí)到更長范圍的語義相關(guān)的任務(wù)。

對我來說，這個結(jié)果真正表明了，預(yù)訓(xùn)練語言模型確實捕獲到了與在 ImageNet 上預(yù)訓(xùn)練的計算機視覺模型（https://thegradient.pub/nlp-imagenet/）相類似的屬性。

BiLSTM 和 Transformer預(yù)訓(xùn)練表示在詞性標(biāo)注、選區(qū)分析和無監(jiān)督共指解析（(從左到右)上每層的性能。(Peters et al., 2018)

7）巧妙的輔助任務(wù)（Clever auxiliary tasks）

在許多場景下，我們看到研究者越來越多地將精心挑選的輔助任務(wù)與多任務(wù)學(xué)習(xí)一起使用。一個好的輔助任務(wù)來說，它必須是易于獲取數(shù)據(jù)的。最重要的例子之一是 BERT（https://arxiv.org/abs/1810.04805），它使用下一個句子的預(yù)測（該預(yù)測方法在 Skip-thoughts，https://papers.nips.cc/paper/5950-skip-thought-vectors.pdf以及最近的 Quick-thoughts，https://arxiv.org/pdf/1803.02893.pdf中應(yīng)用過）來產(chǎn)生很大的效果。代表性論文：

《語義結(jié)構(gòu)的句法框架》(EMNLP 2018)

Syntactic Scaffolds for Semantic Structures

論文地址：http://aclweb.org/anthology/D18-1412

該論文提出了輔助任務(wù)，它通過預(yù)測每個跨度對應(yīng)的句法成分類型，來對跨度表示進(jìn)行預(yù)訓(xùn)練。輔助任務(wù)雖然在概念上非常簡單，但它為語義角色標(biāo)注和共指解析等跨級別預(yù)測任務(wù)帶來了大幅的改進(jìn)。這篇論文表明，在目標(biāo)任務(wù)（這里是指跨度任務(wù)）所要求的級別上所學(xué)到的特定的表示是效益巨大的。

pair2vec：用于跨句推理的組合詞對嵌入（arXiv 2018）

pair2vec: Compositional Word-Pair Embeddings for Cross-Sentence Inference

論文地址：https://arxiv.org/abs/1810.08854

類似地，本論文通過最大化詞對與其語境間的點互信息（pointwise mutual information），來對詞對表示進(jìn)行預(yù)訓(xùn)練。這就激勵了模型學(xué)習(xí)更有意義的詞對表示，而不使用語言建模等更通用的目標(biāo)。在 SQuAD 和 MultiNLI 等要求跨句推理的任務(wù)中，預(yù)訓(xùn)練表示是有效的。

我們可以期望未來，看到更多的預(yù)訓(xùn)練任務(wù)，能夠捕獲特別適用于某些下游任務(wù)的屬性，并且能夠與語言建模等更多通用任務(wù)相輔相成。

OntoNotes的句法、PropBank和共指注釋。PropBank SRL參數(shù)和共指提及被標(biāo)注在了句法成分的頂部。幾乎每一個參數(shù)都與一個句法成分有關(guān)。(Swayamdipta et al., 2018)

8）半監(jiān)督學(xué)習(xí)和遷移學(xué)習(xí)相結(jié)合（Combining semi-supervised learning with transfer learning）

伴隨著遷移學(xué)習(xí)的最新進(jìn)展，我們不應(yīng)該忘記使用特定的目標(biāo)任務(wù)數(shù)據(jù)的更明確的方法。事實上，預(yù)訓(xùn)練表示與許多半監(jiān)督學(xué)習(xí)方法是相輔相成的。我們已經(jīng)探索了一種半監(jiān)督學(xué)習(xí)的特殊方法——自我標(biāo)注的方法（http://aclweb.org/anthology/P18-1096）。代表性論文：

《基于交叉視點訓(xùn)練的半監(jiān)督序列建?！?EMNLP 2018)

Semi-Supervised Sequence Modeling with Cross-View Training

論文地址：http://aclweb.org/anthology/D18-1217

這篇論文表明，一個能確保對輸入的不同視點的預(yù)測與主模型的預(yù)測一致的概念上非常簡單的想法，可以在大量的任務(wù)上得到性能的提高。這個想法與詞 dropout 類似，但允許利用未標(biāo)記的數(shù)據(jù)讓模型變得更穩(wěn)健。與 mean teacher（https://arxiv.org/abs/1703.01780）等其他自集成模型相比，它是專門針對特定的 NLP 任務(wù)設(shè)計的。

隨著對半監(jiān)督學(xué)習(xí)的研究越越來越多，我們將有望看到有更多明確地嘗試對未來目標(biāo)預(yù)測進(jìn)行建模的研究工作。

輔助預(yù)測模塊看到的輸入：輔助1 :They traveled to__________________. 輔助2：They traveled toWashington_______. 輔助3：_____________Washingtonby plane.輔助4：_____________by plane。(Clark et al., 2018)

9）大型文檔的問答和推理（QA and reasoning with large documents）

隨著一系列新的問答（QA）數(shù)據(jù)集（http://quac.ai/）的出現(xiàn)，問答系統(tǒng)有了很大的發(fā)展。除了對話式問答和多步推理，問答最具挑戰(zhàn)性的方面是對敘述和大體量信息進(jìn)行合成。代表性論文：

《敘述答閱讀理解挑戰(zhàn)》（TACL 2018）

The NarrativeQA Reading Comprehension Challenge

論文地址：http://aclweb.org/anthology/Q18-1023

這篇論文基于對完整的電影劇本和書籍的提問和回答，提出了一個具有挑戰(zhàn)性的新的問答數(shù)據(jù)集。雖然依靠當(dāng)前的方法還無法完成這項任務(wù)，但是模型可以選擇使用摘要（而不是整本書籍）作為選擇答案（而不是生成答案）的語境。這些變體讓任務(wù)的實現(xiàn)更加容易，也使得模型可以逐步擴展到整個語境設(shè)置。

我們需要更多這樣的數(shù)據(jù)集，它們能體現(xiàn)具有挑戰(zhàn)性的問題，并且有助于解決這些問題。

QA 數(shù)據(jù)集比較

10）歸納偏差（Inductive bias）

CNN 中的卷積、正則化、dropout 以及其他機制等歸納偏差，是神經(jīng)網(wǎng)絡(luò)模型的核心部分，它們充當(dāng)調(diào)節(jié)器的角色，使模型更具樣本效率。然而，提出一個應(yīng)用更加廣泛的歸納偏差方法，并將其融入模型，是具有挑戰(zhàn)性的。代表性論文：

《基于人類注意力的序列分類》（CoNLL 2018）

Sequence classification with human attention

論文地址：http://aclweb.org/anthology/K18-1030

這篇論文提出利用視覺跟蹤語料庫中的人類注意力，來 RNN 中的注意力進(jìn)行規(guī)則化處理。鑒于 Transformer 等當(dāng)前許多模型都使用注意力這一方法，找到更有效得訓(xùn)練它的方法是一個重要的方向。同時，論文還證明了另外一個案例——人類語言學(xué)習(xí)可以幫助改進(jìn)計算模型。

《語義角色標(biāo)注的語言學(xué)信息的自我注意力》(EMNLP 2018)

Linguistically-Informed Self-Attention for Semantic Role Labeling

論文地址：http://aclweb.org/anthology/D18-1548

這篇論文有很多亮點：一個在句法和語義任務(wù)上進(jìn)行聯(lián)合訓(xùn)練的Transformer 模型；在測試時注入高質(zhì)量語法分析的能力；以及域外評估。論文還通過訓(xùn)練注意力頭來關(guān)注每個標(biāo)注的句法 parents，來使轉(zhuǎn)換器的多頭注意力統(tǒng)一對句法更加敏感。

未來我們有望看到更多針對輸入特定場景，將 Transformer 注意力頭用作輔助預(yù)測器的案例。

PropBank語義角色標(biāo)注的十年。語言學(xué)信息的自我注意力( LISA )與其他域外數(shù)據(jù)方法的比較。