😄 无聊学学罢了，非常简单的一个模型吧，算是一个比较经典的模型。ELMO更多的像是一个承上启下的角色，对于我们去了解那些词向量模型的思想也是很有帮助的。但由于同期的BERT等模型过于耀眼，使得大家并不太了解ELMO。

🚀 发表自NAACL-2018，当年的best paper。
🚀 论文链接：https://arxiv.org/pdf/1802.05365.pdf

🚀 导航

1、ELMO解决两个问题：

1、复杂的语法和语义特征。
2、解决一词多义的问题 (随上下文而动态改变)，不像word2vec那样，训练完就不变了，相同的词同样的输出。

ELMO全称为Embeddings from Language Models。即ELMO通过训练语言模型得到，且ELMO是一个双向语言模型 (前向+后向)。

2、何为前向语言模型？

3、何为后向语言模型？

4、双向语言模型

5、ELMO模型

ELMO模型说白了就是两个 两层的LSTM构成。

ELMO模型=前向语言模型+后向语言模型，上图左边是左到右的前向LSTM，右边是右到左的后向LSTM。前向LSTM和后向LSTM由两层LSTM堆叠而成。之前的双向语言模型仅使用最后一层LSTM的输出作为softmax层的输入，而ELMO引入了一个线性组合函数把所有层的输出结果汇总起来，作为softmax层的输入。

6、如何预训练ELMO？

⭐ELMO将输出的向量映射到 vocab_size的长度，经过softmax后，取出概率最大的元素对应的下标，作为对下一个字的预测。相当于做一个分类，类别数量是词表大小，即自回归。

ELMO的输入输出例子：

7、如何冻结 or 微调 ELMO？

8、高频面试题

ELMO使用两层LSTM的意义？

答：

• ELMo堆叠了两层LSTM，每层提取到的语言特征是不一样的。

• 论文分别用各层的输出做语义消歧和词性标注任务，发现用第二层的输出做语义消歧效果好于用第一层的输出；相反，做词性标注时则用第一层输出比较好。从而验证低层能建模词性等语法特征，高层能进一步建模语义特征。

• 虽然每层提取的特征侧重不同，但是实际应用时，不管什么任务，用的都是所有的特征，只是权重分配不同。

ELMO的优缺点？

答：
优点：

• 1、单词的嵌入取决于上下文，解决了一词多义问题。
• 2、将各层的输出进行线性组合，得到的词表示融合了语法和语义信息。
• 3、输入可以基于词也可以基于字符，可适应不同NLP任务。
• 4、无OOV问题，因为embedding是基于char-level的。

缺点：

• 1、特征提取用的LSTM模型，一方面不能并行，另一方面不好捕捉长距离依赖，所以elmo一般在短文本任务上表现好。
• 2、难以学到更深层次的语义，因为当LSTM的层数超过了3层，层与层之间的梯度消失情况会变得非常明显，网络训练更新迭代缓慢，收敛效果与计算效率急剧下降，甚至进入局部最小的情况。

ELMO的embedding层？

ELMO是通过字符卷积来得到embedding的，即通过卷积(不同卷积核)来获取char之间的类似n-gram的特征。n个卷积核，就有n个输出，n个输出拼接聚合得到单词的embedding。即完成char到word的转变。

为什么ELMO用两个单向的LSTM代替一个双向的LSTM呢？

吐槽一下把，网上大多数博客互相抄来抄去，以为自己解释对了，实则连Bi-LSTM都不懂。
这个提问本来就是错的：为什么ELMO用两个单向的LSTM代替一个双向的LSTM呢？。因为ELMO就是用双向LSTM。
答：平时用的BLSTM是将前向输出和后向输出词向量对应进行拼接，拼接后的词向量纬度扩展为原来的两倍，如果用拼接后的词向量来计算最大似然会出现自己看到自己的情况，因此不拼接词前后向向量，而是将他们的最大对数似然进行相加，联合前向和后向来计算最大似然。