Byte Cup 2018国际机器学习竞赛夺冠记

9月份，我们两位同学一起组队，参加Byte Cup 2018国际机器学习竞赛。本次比赛由中国人工智能学会和字节跳动主办，IEEE中国代表处联合组织。比赛的任务是文章标题自动生成。最终，我们队伍获得了第一名。

1.比赛介绍

本次比赛的任务是给定文章文本内容，自动生成标题。本质上和文本摘要任务比较类似。本次比赛有100多万篇文章的训练数据。

1.1数据介绍

详细参见：https://biendata.com/competition/bytecup2018/data/。

本次竞赛使用的训练集包括了约130万篇文本的信息，验证集1000篇文章，

测试集800篇文章。

1.2数据处理

文章去重，训练数据中包含一些重复数据，清洗，去重；

清洗非英文文章。

1.3评价指标

本次比赛将使用Rouge（Recall-Oriented Understudy for Gisting Evaluation）作为模型评估度量。Rough是评估自动文摘以及机器翻译的常见指标。它通过将自动生成的文本与人工生成的文本（即参考文本）进行比较，根据相似度得出分值。

2.模型介绍

本次比赛主要尝试了seq2seq的方法。参考的模型包括Transformer模型和pointer-generator模型。

模型如下图：

（其实就是将pointer-generator的copy机制加到transformer模型上）。

同时，尝试了将ner-tagger和pos-tagger信息加入到模型中，如下图所示：

3.问题分析

最开始我们尝试了最基本的transformer模型，通过查看数据，遇到以下几类明显错误：

OOV(out of vocabulary)；

数字，人名，地名预测错误；

词形预测错误。

OOV问题，主要原因是数据集词表太大，但是，模型能够实际使用的词表较小；数字，人名，地名预测错误，主要原因是低频词embedding学习不充分；词形预测错误，主要原因是模型中没有考虑词的形态问题（当然，如果训练数据足够大，是能避免这个问题的）。

为了解决这些问题，我们尝试了以下方法。

4.重要组件

4.1copy机制

对于很多低频词，通过生成式方法生成，其实是很不靠谱的。为此，我们借鉴Pointer-generator的方法，在生成标题的单词的时候，通过Attention的概率分布，从原文中拷贝词。

4.2subword

为了避免oov问题，我们采用subword的方法，处理文本。这样，可以将词表大小减小到20k，同时，subword会包含一些单词词形结构的信息。

4.3ner-tagger和pos-tagger信息

因为baseline在数字，人名，地名，词形上预测错误率较高，所以我们考虑能不能将ner-tagger和pos-tagger信息加入到模型中。如上图所示。实验证明通过加入这两个序列信息能够大大加快模型的收敛速度（训练收敛后，指标上基本没差异）。

4.4Gradient Accumulation

在实验过程中，我们发现transformer模型对batch_size非常敏感。之前，有研究者在机器翻译任务中，通过实验也证明了这一观点。然而，对于文章标题生成任务，因为每个sample的文章长度较长，所以，并不能使用超大batch_size来训练模型，所以，我们用Gradient Accumulation的方法模拟超大batch_size。

4.5ensemble

采用了两层融合。第一层，对于每一个模型，将训练最后保存的N个模型参数求平均值（在valid集上选择最好的N）。第二层，通过不同随机种子得到的两个模型，一个作为生成候选标题模型（选择不同的beam_width, length_penalty）, 一个作为打分模型，将候选标题送到模型打分，选择分数最高的标题。

5.失败的方法

将copy机制加入到transformer遇到一些问题，我们直接在decoder倒数第二层加了一层Attention层作为copy机制需要的概率分布，训练模型非常不稳定，并且结果比baseline还要差很多；

我们尝试了bert，我们将bert-encoder抽出的feature拼接到我们模型的encoder的最后一层，结果并没有得到提升；

word-embedding的选择，我们使用glove和fasttext等预训练的词向量，模型收敛速度加快，但是，结果并没有random的方法好。

6.结束语

非常感谢主办方举办本次比赛，通过本次比赛，我们探索，学习到了很多算法方法和调参技巧。