التحقيق الهيكلية غير الخطية

التحقيقات هي النماذج المبينة للتحقيق في ترميز المعرفة --- E.G. هيكل النحوي --- في تمثيلات السياقية. غالبا ما يتم تصميم تحقيقات البساطة، مما أدى إلى قيود على تصميم التحقيق الذي قد لا يسمح بالاستغلال الكامل لهيكل المعلومات المشفرة؛ واحد من هذا القيادة هو الخطي. ندرس حالة التحقيق الهيكلي (Hewitt and Manning، 2019)، والتي تهدف إلى التحقيق في ترميز الهيكل النحوي في تمثيلات سياقية من خلال تعلم التحولات الخطية فقط. من خلال مراعاة أن التحقيق الهيكلي يتعلم متريا، يمكننا أن نكون قادرين على تحليلها وتطوير متغير غير خطي رواية مع عدد متطابق من المعلمات. نحن نختبر في 6 لغات وتجد أن نواة الوظيفة الرئيسية (RBF)، بالتزامن مع التنظيم، وتحقق تحسنا كبيرا إحصائيا على أساس الأساس بجميع اللغات --- يعني أن جزءا على الأقل من المعرفة النحوية يتم تشفيره خطيا. نستنتج من خلال مناقشة كيفية تشبه Kernel RBF طبقات الانتباه ذاتية بيرت ومكهن أن هذه التشابه يؤدي إلى أداء التحقيق القائم على RBF.

Probes are models devised to investigate the encoding of knowledge---e.g. syntactic structure---in contextual representations. Probes are often designed for simplicity, which has led to restrictions on probe design that may not allow for the full exploitation of the structure of encoded information; one such restriction is linearity. We examine the case of a structural probe (Hewitt and Manning, 2019), which aims to investigate the encoding of syntactic structure in contextual representations through learning only linear transformations. By observing that the structural probe learns a metric, we are able to kernelize it and develop a novel non-linear variant with an identical number of parameters. We test on 6 languages and find that the radial-basis function (RBF) kernel, in conjunction with regularization, achieves a statistically significant improvement over the baseline in all languages---implying that at least part of the syntactic knowledge is encoded non-linearly. We conclude by discussing how the RBF kernel resembles BERT's self-attention layers and speculate that this resemblance leads to the RBF-based probe's stronger performance.