我与NLP的故事-技术圈

趁着自己还有点记忆，趁着自己还有点想法，想写一篇文章，讲述我与NLP的故事。这是一篇迟到两周的文章。
两周前，在安徽芜湖的一幢楼中，是二楼，我记得当时我正和同事商量实体抽取的一些细节，突然接到携程HR的电话。说是突然，其实我期待已久，因为平时我的手机都是静音，那天特地开了声音和振动。电话那头，HR向我介绍了offer的各种细节，我现在不记得很多了，只记得那时天色昏暗，我的头贴着手机想听得更清楚一点，我的眼睛望着窗外的石楠树，内心无比狂喜，但她听到的只有我嗯嗯点头的声音。
晚上回到酒店，望着窗外的高速公路，我对我的同事说，我感觉像在做梦，两年多来一直在追求而得不到的东西，今晚竟然变为现实了。公路上灯光耀眼，车流不息，我躺在床上一夜都没睡好。
第二天我们返回上海，我在公司静静等待offer，下午两点多邮箱里收到offer，我顿时感觉如释重负。当天晚上，我就和我的领导提出了离职的想法。领导有点不太能接受，感觉我的离职有点儿突然，但是他不知道的是，我等这一刻，等待了两年多，不是心血来潮，而是期待良久。
记得我刚参加工作的时候，什么都不会，只懂一点点Python。那时在银行，也没有太多项目可做，倒是接触了不少新鲜名词，比如爬虫，数据分析，机器学习，深度学习，Hadoop，SpringBoot之类的。银行里比较闲，所以我有空闲时间学习，当时基本把我听到过的技术都学了一遍，虽然并不精通。
我以为至少在银行能稳定一段时间，但，当时银行出了一些变故，年前部门人心惶惶，不少人想着离职。我们小组一开始有8个人，年后走了6个，我从没见过这种场面，当时慌乱无神。组长她工作十年多了，劝我早点开始找工作。我当时有心理准备，觉得不管再怎么难，都要找工作离开这里。
没想到我一找就找了半年多，那时我想着自己学历还不错，能力也还行，但找工作总是不对劲，无数次被拒绝，无数次被问倒，无次数怀疑自己。那段时间我时不时请假出去面试，去很远的地方，坐很久的地铁，有时都顾不上吃饭，一心只想着要是有公司要我就好了。也是在那段时间，我开始接触深度学习，刚开始碰图像，学习OpenCV，破解验证码，感觉CV挺有趣。无意间开始接触到NLP，初学并无太多兴趣，觉得文字到底枯燥，直至一本书出现在我的世界：《Text Analytics with Python：A Practical Real-World Approach to Gaining Actionable Insights from your Data》。

我对这本书印象很深，它像是我在NLP领域的启蒙书。虽然时至今日我都没有完整地把它看完，但它确实让我了解到了NLP的基本概念，比如分词，词性分析，命名实体识别，文本分类，语义相似度等。当时我还写过不少文章，其中NLP入门（四）命名实体识别（NER）这篇文章让我印象很深，这是第一次，NLP让我真实地感受到模型的魅力，模型与文字互相结合所散发出的神奇力量，后来，我还自己用BiLSTM+CRF模型实现了命名实体识别，这无疑加强了我对NLP的好感。
19年元旦，我从银行离职，当时有百度、拼多多的offer，但都是数据分析岗位。我拒绝了大厂的诱惑，选择了一家小公司DG，因为它给我提供了算法工程师的岗位。之所以选择算法这个岗位，是因为当时有一个模型已经横空出世，横扫NLP领域，直至今日仍被奉为圭臬：BERT。之前我们都是用传统的深度学习模型去实现NLP任务，效果一般都很有限，除非样本量很大，而BERT的出现打破了一切陈旧的观念，很快就占据了统治地位。
我满怀欣喜地来到DG公司，原以为我会去接触NLP，了解BERT，但事与愿违。后来我才知道，我刚进公司，做的是搜索这块，ElasticSearch才是圣经，我只能做些搜索相关工作。偶然的机会，我因为公司的业务需要才接触NLP，做事件抽取这块，但我一直找不到正确的道路，没有人带着我，引导我，我自己到处碰壁，也无法找到学习BERT的正确途径。那时候，预训练模型（PLM）领域人才辈出，BERT已为陈迹，RoBERTa、XLNet、GPT2、ALBERT等新贵崛起。遗憾的是，我一次次与这些模型失之交臂，我望着它们崛起的身影，想瞻仰它们的英姿，无奈缘悭一面，始终不得其法，我只是知道它们的存在，这些模型非常厉害，仅此而已。

我以为我自己与NLP无缘，后来因为同事有个query分类的任务才让我重拾文本分类，他对模型效果的惊讶也让我重拾对NLP的兴趣。后来，他找了xiaohan博士的Bert as service，这是使用BERT，借助消息队列，对文本进行特征向量提取的工具，这算是我第一次接触BERT。后来我经常用这个工具，对文本提取向量特征，作为Embedding，后接传统深度学习模型实现基本NLP任务，但这不是BERT的最佳实践。我老是听说finetune，但却一直不解其意。Github上有个bertNER项目，算是我第一次接触BERT的finetune做法，但我一直没有深入了解过其中的代码，只是用。说白了，我当时脑海中根本没有就这样的概念要怎样去使用BERT，似乎BERT就在身旁，但又远在天边，这让我很痛苦。
在DG的经历无疑是让我极其失望的，我浪费了一年半的时间，放弃了大厂的机会，想学习NLP，但却收获甚微，在PLM领域一事无成，有的只是对公司的失望和对出差的厌恶。唯一值得庆幸的是，当时我们组有个西交的小伙伴，也是中途转NLP，他对NLP的理解让我钦佩，他算是那种标杆人物，也是我后面努力的方向。
20年上半年，恰逢疫情，想换工作，而我对NLP的理解也有限，在选择不多、匆匆忙忙的情况下来到了另一家小公司PD。当时真的是有一种置之死地而后生的感觉，想着不能做NLP索性就自暴自弃了。
果然，我再一次后悔，小公司的管理，方方面面都超出了我的想象，我每天只祈求能学习点NLP相关的知识，但公司事多，项目很烂，同事也不怎么nice，让我静不下心来。
我当时拿着bertNER，就想拿这个模型混日子，但我又不甘心。自学的道路是痛苦的，痛苦之处在于你根本没有方向，无从下手，好像每一个地方都可以下手，但又没有一个地方可以下手；你无数次碰壁，无数次失望，像是在走迷宫，但永远也看不到出口在哪。那段时间，我又想到过放弃。
后来我当了PD的NLP组的小组长，我觉得我需要有点担当，正好当时事情不多，我觉得是时候积累一些自己写的模型了。那时我看了苏神的文章，感觉keras-bert能轻松实现BERT的finetune用法，那一刻有种顿悟的感觉。在那一个月，我像发疯似的，一个月之内写了12个模型，用keras-bert实现了命名实体识别、文本多分类、文本多标签分类、完形填空、抽取式阅读理解等任务，还用keras-bert实现了ALBERT调用。那段时间，GPU很少有空闲的时间，而我对NLP的感觉也在慢慢变好。后来，我又学习了PyTorch，接触到了HuggingFace的transformers这个神奇的工具，感觉到了Torch的强大与灵活。

后来，我终于学会了对PLM进行finetune，实现一些NLP基本任务算是小菜一碟了。但渐渐地，我感觉好像没有了进步空间。在某一天的晚上，我尝试了搜索了关系分类的论文，找到一篇论文：Enriching Pre-trained Language Model with Entity Information for Relation Classification，我把R-BERT用在人物关系分类上，取得了很好的效果，参考文章：NLP（四十二）人物关系分类的再次尝试。我尝试着用一周时间使用keras-bert实现R-BERT模型，实际上三天就完成了，那种复现模型的感觉真的让我久久难以忘记。
也是从那以后，我开始阅读NLP方向的论文，有些论文读起来枯燥无味，有些论文却读起来津津有味，直到去携程面试前一天晚上，我还在读Transformer的论文。慢慢地我感觉只有不断地读论文，才会有新的收获，而仅仅只是用预训练模型无法体会这些模型的神奇之处。
两年多了，在NLP这条道路上走得很辛苦，很多时候想过放弃，但庆幸的是我坚持下来了。记得在大兴的时候，有个领导跟我说，NLP这条路比较窄，以后可能不好走，我当时的回答是，我会坚持的。是的，我坚持下来了，而且NLP这条路好像也没有那么窄。
二面携程的时候，总监问我为什么做NLP。我说，我是学数学的，我希望能做算法，NLP很吸引我，我想继续做NLP，最好能把自己的一些想法加在里面，有一点儿自己的成果。
是的，我的想法很简单，也很难做到。但是有梦想总归是件好事情。
两年前，在银行的电梯里，我和组长一起下去吃饭，她问我百度的offer拿到了吗，我点头。她说我最好去百度，大厂有保障。我说我可能会去小公司做算法，她摇摇头说小公司管理不太好，你会吃亏的。事实验证了她的想法。但我组长最后还跟我说了一句，去小公司也可以，以后上岸比较难，不过你还年轻，有机会上岸的。
这两年多，我一直在想着这番话。我想我现在终于上岸了，那就努力工作吧，好好学习吧，不要辜负了自己这两年多跌跌撞撞的痛苦经历。
这是我与NLP的故事，也许简单，也许曲折，也许励志，也许不值一提，但在我个人身上，这是我人生的一段经历，如此而已，我觉得可以一写，故记录于此。
2021年5月10日夜于上海浦东，此日酷暑难当~