Abatract

我们引入了kNN-LMs，它扩展了一个预先训练的神经语言模型（LM），通过与k个最近邻（kNN）模型线性插值。最近邻是根据预先训练好的LM嵌入空间中的距离进行计算的，并可以从任何文本集合中提取，包括原始的LM训练数据。
定性地说，该模型在预测罕见的模式方面特别有用，如事实知识。总之，这些结果强烈地表明，学习文本序列之间的相似性比预测下一个单词更容易，而最近邻搜索是一种在长尾进行语言建模的有效方法。

1 introduction

我们提出了一种新的语言建模方法，它基于表示学习问题可能比预测问题更容易的假设。
我们提供了强有力的证据，表明现有的语言模型在第一个问题上更好，通过在一个简单的最近邻方案中使用它们的前缀嵌入，显著提高了整体性能。
我们引入了kNN-LM，这是一种通过线性插入LM与k-最近邻（kNN）模型的其下一个单词分布来扩展预训练的方法。最近邻是根据预先训练的嵌入空间中的距离计算的，可以从任何文本集合中提取，包括原始的LM训练数据。这种方法允许显式地记忆罕见模式，而不是隐式地在模型参数中。当使用相同的训练数据来学习前缀表示和kNN模型时，它还提高了性能，这强烈表明预测问题比以前所认识到的更具挑战性。
通过使用kNN对next word的概率分布进行线性插值对PLM进行扩展。
最近邻是根据预先训练的嵌入空间中的距离计算的，可以从任何文本集合中提取，包括原始的LM训练数据。这种方法允许显式地记忆罕见模式，而不是隐式地在模型参数中。当使用相同的训练数据来学习前缀表示和kNN模型时，它还提高了性能，这强烈表明预测问题比以前所认识到的更具挑战性。
为了更好地衡量这些影响，我们进行了广泛的实证评估。将我们的kNN增强应用到一个强大的维基文本-103lm上，仅使用原始数据集，实现了一个新的最先进的困惑状态15.79——比基础模型提高了2.86点（Baevski & Auli，2019）——没有额外的训练。我们还表明，该方法可以有效地扩展到更大的训练集，并通过简单地改变最近邻数据存储，允许有效的领域自适应。
在1亿个令牌上训练一个模型，并在30亿个令牌数据集上使用kNN搜索，可以超过在所有30亿个令牌上训练同一模型的性能，开启了一个新的
类似地，向数据存储中添加域外数据可以使单个LM跨多个域非常有用，同样无需进行进一步的训练。定性地说，我们发现该模型对于长尾模式特别有用，比如事实知识，这可能更容易通过显式记忆访问。

2 NEAREST NEIGHBOR LANGUAGE MODELING

context-target pairs are stored in a key-value datastore

Datastore

在这里插入图片描述

存储的是context的representation和target word 的键值对

Inference

在测试时，给定输入上下文x，模型生成下一个单词pLM（y|x）和上下文表示f (x)的输出分布。该模型使用f (x)查询数据存储，根据距离函数d（·，·）（我们实验中距离的平方，使相似函数成为RBF核）检索其k个最近邻N。然后，它根据邻居的负距离的softmax计算一个关于邻居的分布，同时聚合每个词汇表项在检索目标中出现的所有项目的概率质量（没有出现在检索目标中的项目的概率为零）：
在这里插入图片描述
最后，我们遵循Grave等人（2017a），方法，使用调整参数λ将最近邻分布pkNN与模型分布pLM进行插值，生成最终的kNN-LM分布：

Implementation

数据存储包含训练集中每个目标的一个条目，对于lm来说，多达可以有数十亿个示例。为了搜索这个大型数据存储，我们使用了FAISS（Johnson等人，2017），这是一个用于在高维空间中快速进行最近邻检索的开源库。FAISS通过聚类键和基于集群质心查找邻居来加速搜索，同时通过存储向量的压缩版本来减少内存使用。我们在初步实验中发现，与内积距离相比，使用L2距离进行FAISS检索对kNN-LM具有更好的性能。

Related Cache Models

之前的工作（Grave等人，2017c；Merity等人，2017）使用了类似的方法来计算与测试文档之前隐藏状态的相似性，从而更容易复制最近过去的罕见词汇项。自从transformer（Vaswani等人，2017）的开发以来，这种技术就不那么流行了，它可以学习使用自我注意复制最近的单词；在第4.1节中，我们观察到在同一测试文档`alaGrave等人（2017c）中缓存最近的项目相对较小的收益。最相关的是，Grave等人（2017a）描述了一种在线语言模型，使用对之前所有隐藏状态的最近邻搜索，以改善领域自适应。在我们的工作中，我们只保存训练数据，目的是明确地记忆训练的例子，以便更好地在测试时推广到类似的案例