1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
|
// Input of the form:
// " the phantom of the opera " tickets for <PHRASE> tonight ? ||| C=1 ||| seats for <PHRASE> ? </s> ||| C=1 ||| i see <PHRASE> ? </s> ||| C=1
// phrase TAB [context]+
// where context = phrase ||| C=... which are separated by |||
// Model parameterised as follows:
// - each phrase, p, is allocated a latent state, t
// - this is used to generate the contexts, c
// - each context is generated using 4 independent multinomials, one for each position LL, L, R, RR
// Training with EM:
// - e-step is estimating q(t) = P(t|p,c) for all x,c
// - m-step is estimating model parameters P(c,t|p) = P(t) P(c|t)
// - PR uses alternate e-step, which first optimizes lambda
// min_q KL(q||p) + delta sum_pt max_c E_q[phi_ptc]
// where
// q(t|p,c) propto p(t,c|p) exp( -phi_ptc )
// Then q is used to obtain expectations for vanilla M-step.
// Sexing it up:
// - learn p-specific conditionals P(t|p)
// - or generate phrase internals, e.g., generate edge words from
// different distribution to central words
// - agreement between phrase->context model and context->phrase model
import java.io.*;
import optimization.gradientBasedMethods.*;
import optimization.gradientBasedMethods.stats.OptimizerStats;
import optimization.gradientBasedMethods.stats.ProjectedOptimizerStats;
import optimization.linesearch.ArmijoLineSearchMinimizationAlongProjectionArc;
import optimization.linesearch.GenericPickFirstStep;
import optimization.linesearch.InterpolationPickFirstStep;
import optimization.linesearch.LineSearchMethod;
import optimization.linesearch.WolfRuleLineSearch;
import optimization.projections.SimplexProjection;
import optimization.stopCriteria.CompositeStopingCriteria;
import optimization.stopCriteria.NormalizedProjectedGradientL2Norm;
import optimization.stopCriteria.NormalizedValueDifference;
import optimization.stopCriteria.ProjectedGradientL2Norm;
import optimization.stopCriteria.StopingCriteria;
import optimization.stopCriteria.ValueDifference;
import optimization.util.MathUtils;
import java.util.*;
import java.util.regex.*;
import gnu.trove.TDoubleArrayList;
import gnu.trove.TIntArrayList;
import static java.lang.Math.*;
class PhraseContextModel
{
// model/optimisation configuration parameters
int numTags;
boolean posteriorRegularisation = true;
double constraintScale = 3; // FIXME: make configurable
// copied from L1LMax in depparsing code
final double c1= 0.0001, c2=0.9, stoppingPrecision = 1e-5, maxStep = 10;
final int maxZoomEvals = 10, maxExtrapolationIters = 200;
int maxProjectionIterations = 200;
int minOccurrencesForProjection = 0;
// book keeping
int numPositions;
Random rng = new Random();
// training set
Corpus training;
// model parameters (learnt)
double emissions[][][]; // position in 0 .. 3 x tag x word Pr(word | tag, position)
double prior[][]; // phrase x tag Pr(tag | phrase)
double lambda[]; // edge = (phrase, context) x tag flattened lagrange multipliers
PhraseContextModel(Corpus training, int tags)
{
this.training = training;
this.numTags = tags;
assert (!training.getEdges().isEmpty());
assert (numTags > 1);
// now initialise emissions
numPositions = training.getEdges().get(0).getContext().size();
assert (numPositions > 0);
emissions = new double[numPositions][numTags][training.getNumTokens()];
prior = new double[training.getNumEdges()][numTags];
if (posteriorRegularisation)
lambda = new double[training.getNumEdges() * numTags];
for (double[][] emissionTW : emissions)
for (double[] emissionW : emissionTW)
randomise(emissionW);
for (double[] priorTag : prior)
randomise(priorTag);
}
void expectationMaximisation(int numIterations)
{
double lastLlh = Double.NEGATIVE_INFINITY;
for (int iteration = 0; iteration < numIterations; ++iteration)
{
double emissionsCounts[][][] = new double[numPositions][numTags][training.getNumTokens()];
double priorCounts[][] = new double[training.getNumPhrases()][numTags];
// E-step
double llh = 0;
if (posteriorRegularisation)
{
EStepDualObjective objective = new EStepDualObjective();
// copied from x2y2withconstraints
// LineSearchMethod ls = new ArmijoLineSearchMinimizationAlongProjectionArc(new InterpolationPickFirstStep(1));
// OptimizerStats stats = new OptimizerStats();
// ProjectedGradientDescent optimizer = new ProjectedGradientDescent(ls);
// CompositeStopingCriteria compositeStop = new CompositeStopingCriteria();
// compositeStop.add(new ProjectedGradientL2Norm(0.001));
// compositeStop.add(new ValueDifference(0.001));
// optimizer.setMaxIterations(50);
// boolean succeed = optimizer.optimize(objective,stats,compositeStop);
// copied from depparser l1lmaxobjective
ProjectedOptimizerStats stats = new ProjectedOptimizerStats();
GenericPickFirstStep pickFirstStep = new GenericPickFirstStep(1);
LineSearchMethod linesearch = new WolfRuleLineSearch(pickFirstStep, c1, c2);
ProjectedGradientDescent optimizer = new ProjectedGradientDescent(linesearch);
optimizer.setMaxIterations(maxProjectionIterations);
CompositeStopingCriteria stop = new CompositeStopingCriteria();
stop.add(new NormalizedProjectedGradientL2Norm(stoppingPrecision));
stop.add(new NormalizedValueDifference(stoppingPrecision));
boolean succeed = optimizer.optimize(objective, stats, stop);
System.out.println("Ended optimzation Projected Gradient Descent\n" + stats.prettyPrint(1));
//System.out.println("Solution: " + objective.parameters);
if (!succeed)
System.out.println("Failed to optimize");
//System.out.println("Ended optimization in " + optimizer.getCurrentIteration());
lambda = objective.getParameters();
llh = objective.primal();
for (int i = 0; i < training.getNumPhrases(); ++i)
{
List<Corpus.Edge> edges = training.getEdgesForPhrase(i);
for (int j = 0; j < edges.size(); ++j)
{
Corpus.Edge e = edges.get(j);
for (int t = 0; t < numTags; t++)
{
double p = objective.q.get(i).get(j).get(t);
priorCounts[i][t] += e.getCount() * p;
TIntArrayList tokens = e.getContext();
for (int k = 0; k < tokens.size(); ++k)
emissionsCounts[k][t][tokens.get(k)] += e.getCount() * p;
}
}
}
}
else
{
for (int i = 0; i < training.getNumPhrases(); ++i)
{
List<Corpus.Edge> edges = training.getEdgesForPhrase(i);
for (int j = 0; j < edges.size(); ++j)
{
Corpus.Edge e = edges.get(j);
double probs[] = posterior(i, e);
double z = normalise(probs);
llh += log(z) * e.getCount();
TIntArrayList tokens = e.getContext();
for (int t = 0; t < numTags; ++t)
{
priorCounts[i][t] += e.getCount() * probs[t];
for (int k = 0; k < tokens.size(); ++k)
emissionsCounts[j][t][tokens.get(k)] += e.getCount() * probs[t];
}
}
}
}
// M-step: normalise
for (double[][] emissionTW : emissionsCounts)
for (double[] emissionW : emissionTW)
normalise(emissionW);
for (double[] priorTag : priorCounts)
normalise(priorTag);
emissions = emissionsCounts;
prior = priorCounts;
System.out.println("Iteration " + iteration + " llh " + llh);
// if (llh - lastLlh < 1e-4)
// break;
// else
// lastLlh = llh;
}
}
static double normalise(double probs[])
{
double z = 0;
for (double p : probs)
z += p;
for (int i = 0; i < probs.length; ++i)
probs[i] /= z;
return z;
}
void randomise(double probs[])
{
double z = 0;
for (int i = 0; i < probs.length; ++i)
{
probs[i] = 10 + rng.nextDouble();
z += probs[i];
}
for (int i = 0; i < probs.length; ++i)
probs[i] /= z;
}
static int argmax(double probs[])
{
double m = Double.NEGATIVE_INFINITY;
int mi = -1;
for (int i = 0; i < probs.length; ++i)
{
if (probs[i] > m)
{
m = probs[i];
mi = i;
}
}
return mi;
}
double[] posterior(int phraseId, Corpus.Edge e) // unnormalised
{
double probs[] = new double[numTags];
TIntArrayList tokens = e.getContext();
for (int t = 0; t < numTags; ++t)
{
probs[t] = prior[phraseId][t];
for (int k = 0; k < tokens.size(); ++k)
probs[t] *= emissions[k][t][tokens.get(k)];
}
return probs;
}
void displayPosterior()
{
for (int i = 0; i < training.getNumPhrases(); ++i)
{
List<Corpus.Edge> edges = training.getEdgesForPhrase(i);
for (Corpus.Edge e: edges)
{
double probs[] = posterior(i, e);
normalise(probs);
// emit phrase
System.out.print(e.getPhraseString());
System.out.print("\t");
System.out.print(e.getContextString());
System.out.print("||| C=" + e.getCount() + " |||");
int t = argmax(probs);
System.out.print(" " + t + " ||| " + probs[t]);
// for (int t = 0; t < numTags; ++t)
// System.out.print(" " + probs[t]);
System.out.println();
}
}
}
public static void main(String[] args)
{
assert (args.length >= 2);
try
{
Corpus corpus = Corpus.readFromFile(new FileReader(new File(args[0])));
PhraseContextModel model = new PhraseContextModel(corpus, Integer.parseInt(args[1]));
model.expectationMaximisation(Integer.parseInt(args[2]));
model.displayPosterior();
}
catch (IOException e)
{
System.out.println("Failed to read input file: " + args[0]);
e.printStackTrace();
}
}
class EStepDualObjective extends ProjectedObjective
{
List<List<TDoubleArrayList>> conditionals; // phrase id x context # x tag - precomputed
List<List<TDoubleArrayList>> q; // ditto, but including exp(-lambda) terms
double objective = 0; // log(z)
// Objective.gradient = d log(z) / d lambda = E_q[phi]
double llh = 0;
public EStepDualObjective()
{
super();
// compute conditionals p(context, tag | phrase) for all training instances
conditionals = new ArrayList<List<TDoubleArrayList>>(training.getNumPhrases());
q = new ArrayList<List<TDoubleArrayList>>(training.getNumPhrases());
for (int i = 0; i < training.getNumPhrases(); ++i)
{
List<Corpus.Edge> edges = training.getEdgesForPhrase(i);
conditionals.add(new ArrayList<TDoubleArrayList>(edges.size()));
q.add(new ArrayList<TDoubleArrayList>(edges.size()));
for (int j = 0; j < edges.size(); ++j)
{
Corpus.Edge e = edges.get(j);
double probs[] = posterior(i, e);
double z = normalise(probs);
llh += log(z) * e.getCount();
conditionals.get(i).add(new TDoubleArrayList(probs));
q.get(i).add(new TDoubleArrayList(probs));
}
}
gradient = new double[training.getNumEdges()*numTags];
setInitialParameters(lambda);
}
@Override
public double[] projectPoint(double[] point)
{
SimplexProjection p = new SimplexProjection(constraintScale);
double[] newPoint = point.clone();
int edgeIndex = 0;
for (int i = 0; i < training.getNumPhrases(); ++i)
{
List<Corpus.Edge> edges = training.getEdgesForPhrase(i);
for (int t = 0; t < numTags; t++)
{
double[] subPoint = new double[edges.size()];
for (int j = 0; j < edges.size(); ++j)
subPoint[j] = point[edgeIndex+j*numTags+t];
p.project(subPoint);
for (int j = 0; j < edges.size(); ++j)
newPoint[edgeIndex+j*numTags+t] = subPoint[j];
}
edgeIndex += edges.size() * numTags;
}
//System.out.println("Project point: " + Arrays.toString(point)
// + " => " + Arrays.toString(newPoint));
return newPoint;
}
@Override
public void setParameters(double[] params)
{
super.setParameters(params);
computeObjectiveAndGradient();
}
@Override
public double[] getGradient()
{
return gradient;
}
@Override
public double getValue()
{
return objective;
}
public void computeObjectiveAndGradient()
{
int edgeIndex = 0;
objective = 0;
Arrays.fill(gradient, 0);
for (int i = 0; i < training.getNumPhrases(); ++i)
{
List<Corpus.Edge> edges = training.getEdgesForPhrase(i);
for (int j = 0; j < edges.size(); ++j)
{
Corpus.Edge e = edges.get(j);
double z = 0;
for (int t = 0; t < numTags; t++)
{
double v = conditionals.get(i).get(j).get(t) * exp(-parameters[edgeIndex+t]);
q.get(i).get(j).set(t, v);
z += v;
}
objective = log(z) * e.getCount();
for (int t = 0; t < numTags; t++)
{
double v = q.get(i).get(j).get(t) / z;
q.get(i).get(j).set(t, v);
gradient[edgeIndex+t] -= e.getCount() * v;
}
edgeIndex += numTags;
}
}
System.out.println("computeObjectiveAndGradient logz=" + objective);
System.out.println("lambda= " + Arrays.toString(parameters));
System.out.println("gradient=" + Arrays.toString(gradient));
}
public String toString()
{
StringBuilder sb = new StringBuilder();
sb.append(getClass().getCanonicalName()).append(" with ");
sb.append(parameters.length).append(" parameters and ");
sb.append(training.getNumPhrases() * numTags).append(" constraints");
return sb.toString();
}
double primal()
{
// primal = llh + KL(q||p) + scale * sum_pt max_c E_q[phi_pct]
// kl = sum_Y q(Y) log q(Y) / p(Y|X)
// = sum_Y q(Y) { -lambda . phi(Y) - log Z }
// = -log Z - lambda . E_q[phi]
// = -objective + lambda . gradient
double kl = -objective + MathUtils.dotProduct(parameters, gradient);
double l1lmax = 0;
for (int i = 0; i < training.getNumPhrases(); ++i)
{
List<Corpus.Edge> edges = training.getEdgesForPhrase(i);
for (int t = 0; t < numTags; t++)
{
double lmax = Double.NEGATIVE_INFINITY;
for (int j = 0; j < edges.size(); ++j)
lmax = max(lmax, q.get(i).get(j).get(t));
l1lmax += lmax;
}
}
return llh + kl + constraintScale * l1lmax;
}
}
}
|