I nte rna t io na l J o urna l o f   E lect rica l a nd   Co m pu t er   E ng ineering   ( I J E CE )   Vo l.   15 ,   No .   2 ,  A p r il   20 25 ,   p p .   2 0 7 0 ~ 2 0 8 0   I SS N:  2088 - 8 7 0 8 ,   DOI : 1 0 . 1 1 5 9 1 /ijece. v 15 i 2 . pp 2 0 7 0 - 2 0 8 0           2070       J o ur na l ho m ep a g e :  h ttp : //ij ec e. ia esco r e. co m   Ens emble o f  winn ing  t icke ts :  p runi ng   bidirec tiona l e nco der  from the  t ra nsfo r mers   a tt en tion he a ds for enha nce d  mo del  eff icie ncy       Ny a la la ni Sm a rt s ,   Ra j a la k s hm i Selv a ra j ,   Venu   M a dh a v   K utha di   D e p a r t me n t   o f   C o mp u t i n g   a n d   I n f o r m a t i c s,  S c h o o l   o f   P u r e   a n d   A p p l i e d   o f   S c i e n c e s,  B o t sw a n a   I n t e r n a t i o n a l   U n i v e r si t y   o f   S c i e n c e   a n d   Te c h n o l o g y ,   P a l a p y e ,   B o t sw a n a       Art icle  I nfo     AB S T RAC T   A r ticle  his to r y:   R ec eiv ed   J u l 8 ,   2 0 2 4   R ev is ed   Oct  1 5 ,   2 0 2 4   Acc ep ted   Oct  2 3 ,   2 0 2 4       Th e   a d v a n c e d   m o d e ls  o f  d e e p   n e u ra l  n e two rk s  li k e   b i d irec ti o n a l  e n c o d e r   fro m   th e   tra n sfo rm e rs   (BERT )  a n d   o th e rs,  p o se s  c h a ll e n g e s  in   term s  o f   c o m p u tati o n a l  re so u rc e s  a n d   m o d e l  siz e .   In   o rd e r  to   tac k le  t h e se   issu e s,   tec h n iq u e s  o f  m o d e l  p r u n in g   h a v e   su rfa c e d   a s  th e   m o st  u se fu l  m e th o d s  in   a d d re ss in g   t h e   issu e s   o f   m o d e l   c o m p lex it y .   Th is  re se a rc h   p a p e r  e x p l o re s  t h e   c o n c e p t  o f  p ru n in g   BERT   a tt e n t io n   h e a d s  a c ro ss   th e   e n se m b le  o f  win n i n g   ti c k e ts  in   o r d e r  to   e n h a n c e   th e   e fficie n c y   o f  th e   m o d e l  with o u t  s a c rifi c in g   p e rfo rm a n c e .   E x p e rime n tal  e v a lu a ti o n s  s h o w   h o w  e ffe c ti v e   t h e   a p p ro a c h   is,   in   a c h iev i n g   sig n ifi c a n t   m o d e l  c o m p re ss io n   w h il e   sti ll   m a in tain in g   c o m p e ti ti v e   p e rf o rm a n c e   a c ro ss   d iffere n t  n a t u ra l  lan g u a g e   p ro c e s sin g   tas k s.   Th e   k e y   fin d i n g s  o f  t h is  st u d y   i n c lu d e   m o d e l  siz e   th a t  h a s  b e e n   r e d u c e d   b y   3 6 % ,   wi th   o u r  e n se m b le   m o d e l   re a c h in g   g re a ter p e rfo rm a n c e   a s  c o m p a re d   to   th e   b a se li n e   BERT   m o d e l  o n   b o t h   S tan f o rd   S e n ti m e n t  Tree b a n k   v2   (S S T - 2 )   a n d   C o rp u s  o f  Li n g u ist ic  Ac c e p t a b il it y   (Co LA)  d a tas e ts.  Th e   re su lt s  fu rt h e r  sh o w  a   F 1 - sc o re   o f  9 4 %   a n d   9 6 % ,   re sp e c ti v e ly ,   a n d   a c c u ra c y   sc o re s  o f  9 5 %   a n d   9 6 %   o n   t h e   two   d a t a se ts.  Th e   fin d in g s  o f  t h is  re se a rc h   p a p e r  c o n tri b u te   to   th e   o n g o i n g   e ffo rts  i n   e n h a n c in g   t h e   e fficie n c y   o f  larg e - sc a le  lan g u a g e   m o d e ls.   K ey w o r d s :   Atten tio n   h ea d s   B id ir ec tio n al  en co d er   f r o m   th e  tr an s f o r m er s   L o tter y   tick ets h y p o th esis   Natu r al  lan g u ag e   p r o ce s s in g   Pru n in g   T h is i s  a n   o p e n   a c c e ss   a rticle   u n d e r th e   CC B Y - SA   li c e n se .     C o r r e s p o nd ing   A uth o r :   Ny alala n i Sm ar ts   Dep ar tm en t o f   C o m p u tin g   an d   I n f o r m atics,  Facu lty   o f   Scien ce s ,   B o ts wan a  I n ter n atio n al  U n iv er s ity   o f   Scien ce   an d   T ec h n o lo g y   Plo t 1 0 0 7 1 ,   Palap y e,   B o ts wan a   E m ail:  Ny alala n i.sm ar ts @ s tu d en tm ail. b iu s t.a c. b w       1.   I NT RO D UCT I O N   Dee p   n eu r al  n etwo r k s   lik e  b id ir ec tio n al  en co d er   f r o m   t h e   tr an s f o r m er s   ( B E R T )   [ 1 ]   h a v e  to tally   ch an g ed   n atu r al  lan g u a g e  p r o ce s s in g   ( NL P)  task s .   Pre v io u s   r esear ch   in   th e  liter atu r e  h av e  d em o n s tr ated   th at  B E R T   i s   a  p o wer f u l  m o d el  f o r   NL P  task s .   Ho wev er ,   th e  alar m in g   r ate  at  wh ich   th e  m o d els  ar e  g r o win g   i n   ter m s   o f   m o d el  co m p lex ity   with   b illi o n s   o f   p ar am eter s   [ 2 ] ,   [ 3 ]   h as  lead   to   in cr ea s ed   d em an d   f o r   co m p u tatio n al   r eso u r ce s   a n d   th e  lar g e   m o d el   s izes  n ee d ed   f o r   tr ain i n g   a n d   d ep lo y m en t  [ 4 ] ,  [ 5 ] .   T h e   co m p licatio n s   o f   th e  m o d els  m ak e   th e  p r ac ticality   an d   s ca lab ilit y   o f   th ese  m o d els  in   r ea l - wo r ld   ap p licatio n s   to   b e  d if f icu lt.  T h u s ,   t h er e  is   a   p r ess in g   n ee d   f o r   m o r e  e f f icie n t a n d   ef f ec tiv e  ap p r o ac h es to   NL P   [ 6 ] .    Pre v io u s   s tu d ies  lik e  th o s e  b y   [ 7 ] – [ 9 ]   h av e   s h o wn   B E R T   c ap ab ilit ies  in   r eg ar d   to   NL P  t ask s ,   with   th e  an o th e r   s tu d y   b y   Ma r u f   et  a l.   [ 1 0 ]   d em o n s tr atin g   its   s ig n if ican t  im p r o v em en ts   in   m ac h in e  tr a n s latio n   m o d els  f o r   d o c u m en t - lev el   tr a n s latio n ,   th e  s tu d y   [ 1 1 ]   illu s tr atin g   its   ca p ab ilit ies  in   co n tex tu al  u n d e r s tan d in g   an d   th e  s tu d y   b y   Z a k r ao u i   et  a l.   [ 1 2 ]   in   n eu r al  m ac h in e   tr a n s latio n   ( NM T ) .   I n f o r m atio n   f r o m   th e   liter atu r e   Evaluation Warning : The document was created with Spire.PDF for Python.
I n t J E lec  &   C o m p   E n g     I SS N:   2088 - 8 7 0 8       E n s emb le  o f wi n n in g   ticke ts :   p r u n in g   b id ir ec tio n a l e n co d er fr o m  th e  tr a n s fo r mers   …   ( N ya la la n i S ma r ts )   2071   s h o ws  th at  B E R T   h as  al s o   ex ce lled   in   s en tim en t  an aly s is   task s   an d   h as  p r o v ed   its   im p o r tan ce   in   v ar io u s   p r ac tical  ap p licatio n s .   Stu d ies  d em o n s tr ate  th at  it  h as  b ee n   a p p lied   to   an aly ze   c u s to m er   r e v iews  an d   f ee d b ac k   o n   e - co m m er ce   p latf o r m s   [ 1 3 ] .   I t  h as  also   b ee n   u s ed   to   a n al y ze   u s er   g e n er ated   c o n ten t  r el ated   to   p r o d u ct  a n d   s er v ice  ev alu atio n s   [ 1 4 ]   an d   o th er   NL P  task s   lik e  q u esti o n   an s wer in g   a n d   tex t   class if icatio n .   R eg ar d less   o f   th ese  ac h iev em en ts ,   th ese  s tu d ies  wh ich   h ig h lig h ted   ab o v e   also   n o te  th e  ch allen g es  p o s ed   b y   B E R T 's  lar g e   s ize  an d   h ig h   co m p u tatio n al  r eq u ir em e n ts .   C o n s eq u en tly ,   th ese  in d icate   th at  m eth o d s   t h at  ca n   r ed u ce   th e   co m p lex ity   o f   m o d els  lik e  B E R T   with o u t  s ac r if icin g   p er f o r m a n ce   ar e  n ee d ed .   C u r r en tly ,   th e  p r u n in g   tech n iq u es  th at  ar e  av ailab le  u s u ally   lead   to   a  tr ad e - o f f   b etwe en   m o d el  s ize  an d   ac cu r ac y ,   wh ich   m ak es  th em   less   ef f ec tiv e.   T h is   s tu d y   aim s   to   ad d r ess   th ese  ch allen g es b y   d ev elo p in g   a   m o r e  e f f icien t  p r u n in g   m eth o d .   W e   i n t r o d u c e   a   n e w   p r u n i n g   t e c h n i q u e   t h a t   w e   c al l   e n s e m b l e   o f   w i n n i n g   t i c k e t s   w h i c h   u t i l i z es   t h e  l o t t e r y   t i c k et   h y p o t h e s is   t o   e n h a n c e   B E R T ’ s   p e r f o r m a n c e   m e t r i c s   w h i l e   d r as ti c a ll y   r e d u c i n g   i t s   c o m p l e x it y .   I n   t h i s   p r o p o s e d   a p p r o a c h ,   w e   i m p l e m e n t   a n   i t e r a t i v e   a tt e n t i o n   h e a d   p r u n i n g   f o r   B E R T   r e ta i n i n g   t h e   m i n i m a l  f e a t u r e s   o f   t h e  m o d e l .   I n   o u r   ap p r o a c h   t h e   c o m b i n e d   p r u n e d   s u b n e t w o r k s   o r   wi n n i n g   t i c k et s   a r e   c o m b i n e d   i n t o   a   r o b u s t   e n s e m b l e   m o d el   w h i c h   g i v e s   u p   t o   3 6 %   r e d u c t i o n   i n   m o d e l   s i z e   w i t h o u t   d et e r i o r a t i n g   t h e   p e r f o r m a n c e .   Pru n in g   tech n i q u es  h av e  b ec o m e  im p o r tan t  in   o v er co m i n g   th e  ch allen g es  o f   in cr ea s in g   m o d el   co m p lex ity   i n   d ee p   n eu r al  n etwo r k s .   B y   s elec tiv ely   r em o v in g   r ed u n d a n t  o r   less   im p ac tf u l  co m p o n e n ts ,   p r u n in g   s tr ea m lin es  n etwo r k   s tr u ctu r es,  im p r o v in g   i n f er en c e  s p ee d ,   r ed u cin g   m em o r y   u s ag e,   an d   en h a n cin g   co m p u tatio n al  e f f icien cy   [ 1 5 ] – [ 1 7 ] .   On e  p r o m is in g   a p p r o ac h   is   th e  co n ce p t  o f   “ win n i n g   tick ets, ”   wh ich   id en tifie s   ef f icien t  s u b n etwo r k s   with in   s p ar s e  d ee p   n eu r al  n etwo r k s   th at  m atch   o r   ex ce e d   th e  p er f o r m an ce   o f   th e  o r ig in al  m o d el  [ 1 8 ] ,  [ 1 9 ] .    I n   th is   s tu d y   we  m ak e  th e  f o llo win g   k ey   co n tr ib u tio n s :   i)   Dev elo p m en t  o f   an   en s em b le  m eth o d   f o r   p r u n in g   d ee p   lear n i n g   m o d els ;  ii)  I ter ativ e  p r u n in g   o f   B E R T   atten tio n   h ea d s   to   r etain   o n ly   th e  m o s t  cr itical   co m p o n en ts ;  an d   iii)  I n teg r atio n   o f   p r u n ed   s u b n etwo r k s   in t o   a  r o b u s t  en s em b le,   r esu ltin g   in   a  3 6 %  r ed u ctio n   in   m o d el   s ize  with o u t  lo s s   o f   p er f o r m an ce .   T h e  r em ain d e r   o f   th is   p a p er   is   s tr u ctu r ed   as:  s ec tio n   2   d escr ib es   th e  p r o p o s ed   en s em b le   o f   win n in g   tick ets   m eth o d   in   d etail.   Sectio n   3   p r esen ts   e x p er im en tal   r esu lts   d em o n s tr atin g   th e   ef f icac y   o f   o u r   ap p r o ac h   an d   d is cu s s es  th e  im p licatio n s   o f   o u r   f i n d in g s   an d   p o ten tial f u tu r e   wo r k .   Fin ally ,   s ec tio n   4   co n clu d es th e  p ap e r .       2.   M E T H O D    Ou r   ap p r o ac h   in clu d es  th e  u t ilizatio n   o f   a  well - estab lis h ed   Stan f o r d   Sen tim en t  T r ee b a n k   ( SS T - 2 )   [ 2 0 ]   a n d   C o r p u s   o f   L in g u is tic  Acc ep tab ilit y   ( C o L A)   [ 2 1 ]   d atasets   with   tr ain in g   an d   d e v elo p m en t  s ets,  th e  ca r ef u l  in itializatio n   o f   B E R T - b ase  lo wer ca s e  m o d el  f r o m   t h e  t r an s f o r m er s   lib r ar y   [ 2 2 ] .   T h e  ap p r o ac h   also   u s es  th e  in n o v ativ e  u s e  o f   en s em b le  tech n iq u es,  m eticu lo u s ly   ch o s en   tr ain in g   co n f i g u r at io n s   an d   ev alu ated   u s in g   th e   m etr ics  o u tlin ed   in   T ab le  1 .   E ac h   s tep   is   d esig n e d   to   o p tim ize   th e  lea r n in g   p r o ce s s   an d   e n h an ce   m o d el  ef f icien c y ,   p r o v id i n g   a  co m p r eh e n s iv e  f r am ew o r k .     T h e  p r o p o s ed   m eth o d   g en er al   ar ch itectu r e  is   s h o wn   in   Fig u r e  1   wh ich   d em o n s tr ates  h o w  th is   s tu d y   o p tim izes  B E R T   m o d el  u s in g   p r u n e d   s u b n etwo r k s ,   ca lled   wi n n in g   tick ets.  Star tin g   with   a  f u lly   tr ain ed   B E R T   m o d el,   iter ativ e   p r u n in g   r e m o v es  u n n ec ess ar y   p a r am ete r s ,   id en tify in g   ef f icien t  s u b n etwo r k s   th at  r etain   p er f o r m an ce .   T h ese  s m aller   B E R T   m o d els  ca lled   win n in g   tick ets  ar e  co m b in e d   in to   an   en s em b le  [ 2 3 ] ,  en h an cin g   ef f icien c y   an d   p er f o r m an ce   o v er   th e  o r ig in al  m o d el.   T h e  im p lem en tatio n   o f   th e  en s em b le  p r u n in g   tech n iq u e  f o r   B E R T   atten tio n   h ea d s   in v o lv es selectiv ely   id en tify in g   an d   r etai n in g   in f o r m a tiv e  atten tio n   h ea d s   b ased   o n   th e   p r in ci p les o f   th e  l o tter y   tick et  h y p o th esis .       T a b l e   1 .   C o L A ,   S S T - 2   t a s k s ,   d a t a s et   s i z es ,   a n d   m e t r i cs   f o r   t h is   s t u d y   Ta sk   D a t a s e t     Tr a i n   D e v   M e t r i c s   Li n g u i s t i c   a c c e p t a b i l i t y   C o r p u s   o f   Li n g u i st i c   A c c e p t a b i l i t y   Ju d g e me n t s     1 0 k   1k   A c c u r a c y   F1 - sc o r e   S e n t i me n t   a n a l y si s   Th e   S t a n f o r d   S e n t i m e n t   Tr e e b a n k     6 7 k   8 7 2   A c c u r a c y   F1 - sc o r e           Fig u r e  1 .   S tep s   o f   o p tim izin g   B E R T   m o d els th r o u g h   an   en s e m b le  o f   p r u n ed   s u b n etwo r k s   Evaluation Warning : The document was created with Spire.PDF for Python.
                      I SS N :   2 0 8 8 - 8 7 0 8   I n t J E lec  &   C o m p   E n g ,   Vo l.   15 ,   No .   2 ,  Ap r il   20 25 :   2 0 7 0 - 2 0 8 0   2072   2 . 1 .     E ns em ble  prun ing   m et ho ds   R ec en t  s tu d ies  h av e  e x p lo r e d   v ar i o u s   m eth o d s   f o r   lev er ag in g   m u ltip le  p r u n e d   s u b n e two r k s   to   en h an ce   m o d el  p er f o r m an ce   an d   r o b u s tn ess ,   o f ten   th r o u g h   th e  len s   o f   th e  lo tter y   tick et  h y p o th esis   an d   en s em b le  tech n iq u es  [ 2 4 ] .   A n o th er   s tu d y   b y   C h en   et  a l.   [ 2 5 ]   in tr o d u ce d   s tr u ctu r e d   win n in g   tick ets  at  in itial   B E R T   tr ain in g   an d   Ko b ay as h i   et  a l.   [ 2 6 ]   d is co v er ed   f o u r   win n in g   tick ets  d u r in g   th e  f in e - tu n in g   p r o ce s s .  Fu r th er m o r e ,   Go n g   et  a l.   [ 2 7 ]   r eg u lar ized   th e  p r o ce s s   o f   f in e - tu n in g   u s in g   a   tech n i q u e  ca ll ed   L 1   d is tan ce   an d   ex p lo r ed   th e  s tr u ctu r e   o f   th e   d is co v er ed   s u b n etwo r k s .     An o th er   ex am p le  o f   th e  im p l em en tatio n   o f   th is   tech n iq u e  ca n   b e  s ee n   in   th e  s tu d y   [ 2 8 ] ,   in   th eir   r esear ch   th ey   ap p lied   th e  l o tter y   tick et  h y p o th esis   to   p r u n e  atten tio n   h ea d s   in   m ac h in e   tr an s latio n .   I n   th is   s tu d y   we  u s e  th e  lo tter y   tick et   h y p o t h esis   to   iter ativ ely   p r u n e  th e  atten tio n   h ea d s ,   id e n tify i n g   win n in g   tick ets  b y   r etain in g   o n ly   th e  m o s t  cr itical  atten tio n   h ea d s   f r o m   a  B E R T   m o d el.   T h is   m eth o d   r e f in es  th e  s u b n etwo r k   s tr u ctu r e  iter ativ ely   an d   in teg r ates th ese  p r u n ed   s u b n etwo r k s   in to   a  r o b u s t e n s em b le.     2 . 2 .     Da t a s et   a nd   p re pro ce s s i ng   W e  u tili ze d   th e  SS T - 2   an d   C o L A  d atasets   f r o m   th e  g en er al  lan g u ag e  u n d er s tan d in g   ev alu atio n   ( GL UE )   b en c h m ar k   f o r   o u r   e x p er im en ts ,   d iv id in g   an d   s h u f f lin g   th e  d atasets   u s in g   d if f e r en t  r an d o m   s ee d s   to   en s u r e  th at  th e  m o d el  s ee   th e   d ata  in   d if f er en t  o r d er ,   with   t h e  B E R T   m o d el  ch ec k p o in t  “ b er t - b ase - u n ca s ed ”   em p lo y ed .   T h e  SS T - 2   d ataset  is   a  b in ar y   s en tim en t  class if i ca tio n   ( p o s itiv e/n eg ativ e  s en ti m en t)   d ataset  u s ed   f o r   s en ten ce - lev el  s en tim en t  an aly s is .   T h e  d ataset  d o es  n o t  n ee d   to   b e  p r o ce s s ed   an d   is   wid ely   u s ed   in   NL P   task s ,   en s u r in g   th at  s en ten ce s   ar e  well - f o r m atted   an d   lab els  ar e  co n s is ten t.  Fo r   th e  SS T - 2   d ataset,   th e  tr ain in g   s et  was  s lig h tly   r ed u ce d   t o   4 0 , 0 0 0   s h u f f led   s am p les,  th e  v alid atio n   s et  co m p r is ed   8 0 0   s a m p les,  an d   t h e  test   s et  in clu d ed   1 , 5 0 0   s am p les  r ea s o n   b ein g   to   allo w  f ast  ex p er im en tatio n ,   to   m i n im ize   th e  r eq u ir em e n ts   o f   co m p u tatio n al  r eso u r ce s ,   in clu d in g   m em o r y ,   p r o ce s s in g   p o w er ,   an d   tim e.   Fo r   th e  C o L A  d a taset wh ich   is   u s ed   f o r   lin g u is tic  ac ce p tab ilit y   class if icatio n   to   te s ts   a   m o d el’ s   u n d er s tan d in g   o f   lin g u is tic  r u les.  T h e  C o L A   d ataset  is   well - o r g an ized ,   wit h   g r a m m atica lly   ac ce p ta b le  a n d   u n ac ce p tab le   s en ten ce s   alr ea d y   lab ele d   an d   h as  b ee n   d o n e  b y   lin g u is tic  ex p e r ts ,   to   en s u r e  q u ality   an d   r eli ab le  d ata.   Fo r   o u r   ex p e r im en ts   th e  tr ain in g   s et  co n tain ed   8 , 0 0 0   s h u f f led   s am p les,  th e  v alid atio n   s et  co n s is ted   o f   1 , 0 0 0   s am p les,  an d   th e   test   s e t  h ad   1 , 0 0 0   s am p les.  T h is   s p ec if ic  s p litt in g   an d   s h u f f lin g   en s u r e d   th at  o u r   m o d el  tr ain in g   a n d   ev alu atio n   wer e  b ased   o n   d iv er s e  an d   r ep r esen tativ e  d at a  s am p les.     2 . 3 .     M o del a nd   t o k enizer   i nitia liza t io n   W e  in itialized   th e  B E R T   m o d el  f o r   s eq u en ce   class if icatio n   an d   th e  co r r esp o n d i n g   to k e n izer   u s in g   p r e - tr ain ed   c h ec k p o in ts .   T h is   s tep   en s u r es  th at  o u r   m o d el  b en ef its   f r o m   tr an s f er   lear n in g ,   lev er ag in g   th e  v ast  k n o wled g e  e n co d e d   in   th e  B E R T   ar ch itectu r e.   T h e  B E R T   m o d el  an d   A u to To ke n iz er   f r o m   th e  h u g g in g   f ac e   tr an s f o r m er s   lib r ar y   ass o ciate d   with   b ert - b a s e - u n ca s ed   ca ll ed   B ertT o ke n iz er ,   wer e  ca r ef u lly   ch o s en   to   alig n   with   o u r   ex p er im en tal  r e q u ir e m en ts ,   en ab lin g   e f f icien t a n d   ac cu r ate  s eq u en ce   class if icatio n   task s .     2 . 4 .     E ns em ble o f   winn ing   t ick et s   An   em p ty   en s em b le  s et  was  in itialized   to   s to r e  th e  win n in g   tick ets.  T o   f ac ilit ate  th e  p r u n in g   o f   atten tio n   h ea d s ,   a  m ask   m at r ix   with   all  v alu es  s et  to   1   wer e  cr ea ted .   T h is   m ask   m a tr ix   is   cr u cial  f o r   id en tify in g   an d   r etain in g   th e  m o s t  cr itical  co m p o n en ts   o f   B E R T   ar ch itectu r e.   A  s u b - n e two r k   ( tick et)   was  r an d o m l y   in itialized   b ased   o n   th e  B E R T   ar ch itectu r e,   u s in g   th e  s p ec if ied   ch ec k p o i n t.  T h e  o p tim izer   an d   lo s s   f u n ctio n   f o r   th e  s u b - n etwo r k   wer e  s et  to   Ad am   an d   cr o s s - en tr o p y   lo s s ,   r esp ec tiv ely .   T h ese  co n f ig u r atio n s   allo wed   f o r   ef f e ctiv e  o p tim iza tio n   an d   tr ain in g   o f   t h e  s u b - n etwo r k ,   en s u r in g   its   p er f o r m a n ce   alig n s   with   th e  o v er all  m o d el  g o als.     2 . 5 .     T ra ini ng   c o nfig ura t io n   T h e  tr ain in g   p ar am ete r s   wer e  m eticu lo u s ly   ch o s en   to   o p t im ize  th e  lear n in g   p r o ce s s .   W e  s e t  th e   n u m b er   o f   tr ain in g   iter atio n s   to   f iv e,   with   a  lear n in g   r ate   o f   2 e - 5   an d   a  b atch   s ize  o f   1 6 .   A  co n v e r g en ce   th r esh o ld   o f   0 . 0 0 1   was  estab li s h ed   to   en s u r e  s tab le  tr ain in g .   T h e  tr ain in g   ar g u m en ts   in clu d ed   p ar am eter s   f o r   s av in g   th e  m o d el,   lo ad i n g   th e  b est m o d el  at  th e  en d   o f   tr ain i n g ,   s ettin g   th e  n u m b e r   o f   t r ain in g   ep o c h s   to   th r ee ,   an d   d e f in in g   th e  e v alu atio n   a n d   s av in g   s tr ateg ies.  T h e   m et r ices  f o r   s elec tin g   th e  b est  m o d el  was  s et  to   th e     F1 - s co r e,   ac cu r ac y   an d   th e  t o tal  n u m b e r   o f   s av ed   m o d el s   was  lim ited   to   1 0 .   T h ese  co n f ig u r atio n s   wer e   d esig n ed   to   en s u r e   th at  o u r   m o d el  tr ain i n g   was  b o th   ef f icien t  an d   r o b u s t,  p r e v en tin g   o v er f itti n g   wh ile   m ax im izin g   p e r f o r m an ce .     2 . 6 .     Select io n o f   info rma t iv e   a t t ent io n hea ds   us ing   t he  lo t t er y   t ic k et   hy po t hes is   A  s alien cy   s co r e  is   a  m etr ic  u s ed   to   m ea s u r e  th e  im p o r ta n ce   o r   r elev an ce   o f   in d iv id u a l  elem en ts   with in   a  m o d el,   s u ch   as  n eu r o n s ,   f ea tu r es,  o r   atten tio n   h ea d s ,   b ased   o n   th eir   co n tr ib u tio n   to   th e  m o d el' s   Evaluation Warning : The document was created with Spire.PDF for Python.
I n t J E lec  &   C o m p   E n g     I SS N:   2088 - 8 7 0 8       E n s emb le  o f wi n n in g   ticke ts :   p r u n in g   b id ir ec tio n a l e n co d er fr o m  th e  tr a n s fo r mers   …   ( N ya la la n i S ma r ts )   2073   p er f o r m an ce .   Salien cy   s co r es   ar e  ty p ically   d er iv e d   f r o m   g r ad ien ts   o r   o th er   s en s itiv ity   m ea s u r es  co m p u te d   with   r esp ec t  to   th e   in p u t  f ea tu r es  o r   p ar am eter s   o f   th e   m o d e l  [ 2 9 ] .   I n   th e  ca s e  o f   atten tio n - b ased   m o d els  lik e   B E R T ,   s alien cy   s co r es  wer e  co m p u ted   f o r   th e   atten tio n   h ea d s ,   wh ich   r ep r esen t   th e  r elev an ce   o f   d if f er e n t   p ar ts   o f   th e  in p u t to   t h e  m o d el's o u tp u t  [ 3 0 ] .   L et    d en o te  th e  th   atten tio n   h ea d .   T h e  s alien cy   s co r e  f o r   at ten tio n   h ea d     d en o ted   as    we r e  co m p u ted   b ased   o n   its   im p ac t   o n   th e  m o d el’ s   l o s s   o r   o u tp u t .   W e  m ea s u r ed   th e  c h an g e   in   th e  m o d el’ s   lo s s     wh en     is   p er tu r b ed   o r   m ask ed :     = ( ( ,  ( ) ) ) − ( ( ) )   ( 1 )     Her e,   m ask     r ep r esen ts   a  m o d i f icatio n   o f   t h e  m o d el  wh er e  th e  th   atten tio n   h ea d   is   m ask ed   o r   ze r o e d   o u t.     2 . 7 .     P r a ct ica l  c a lcula t io ns   a nd   a lg o rit hm s   f o r  identif y ing   winn ing   t ick et s   I n   th is   s u b s ec tio n ,   we  s p ec if y   th e  s tep s   in   d etail  an d   th e  al g o r ith m   th at  was  u s ed   to   ca r r y   o u t  th e   en s em b le  o f   win n in g   tick ets ,   wh ich   p ar tic u lar ly   h elp s   in   r e d u cin g   th e  n u m b er   o f   atten tio n   h ea d s   o f   B E R T   m o r e  ef f icien tly   with o u t  co m p r o m is in g   o n   th e  p e r f o r m an c e  o f   th e  m o d el.   T h e  m ain   g o al  is   to   tr ain   th e   s u b n ets  o f   th e   B E R T   m o d el  a n d   p r u n e   th em ,   s ea r c h in g   f o r   p o s s ib le  s u b n ets  wh er e  th ei r   p er f o r m an ce   ca n   b e   eq u al  o r   h ig h e r   th an   th e  p e r f o r m an ce   o f   th e   o r ig in al   m o d e l.  Her e  we  d escr ib e  m eth o d s   wh ich   m ak e  u s e  o f   in d ep en d en t p r u n ed   m o d els  t o   en h a n ce   th e   f in al   m o d el  p er f o r m an ce   b y   u s in g   m o d el  en s em b le  tech n iq u e.   T h e   A lg o r ith m   1   g i v en   b elo w  p r esen ts   a  s tep - by - s tep   s tr ateg y   f o r   estab lis h in g   an d   c r ea tin g   t h e s e  win n in g   tick ets   lev er ag in g   b o th   tr ain in g   an d   v alid atio n   d atasets   to   en s u r e  o p tim al  p er f o r m a n ce .   T h e  p r o ce s s   lead s   u p   to   ag g r eg atin g   p r ed ictio n s   f r o m   m u ltip le  p r u n ed   s u b n etwo r k s ,   u s in g   s im p le   av er a g in g   to   g en er ate  r o b u s t  an d   r eliab le  f in al  p r ed ictio n s .   T h is   m eth o d   aim s   f o r   b etter   p er f o r m a n ce   in   ter m s   o f   co m p u tatio n al  tim e  b y   p r o v id i n g   n o r m aliza tio n   a n d   e n h an cin g   th e  ef f ec tiv en ess   o f   t h e  lar g e  m o d els,  s u ch   as B E R T .     Alg o r ith m   1 .   E n s em b le  o f   win n in g   tick ets ap p r o ac h   f o r   B E R T   I n p u t :         −   A  p r e - tr ain ed   B E R T   m o d el:      −   Nu m b er   o f   en s em b les to   b e  cr ea ted :      −   Valid atio n   d ataset:      −   T est d ataset:    Ou tp u t :         −   An   en s em b le  o f   win n in g   tic k e ts :    Step s   1.   L o ad   th e  p r e - tr ain e d   B E R T   m o d el:    Step s   2.   I n itialize  an   em p ty   e n s em b le  s et  to   s to r e  th e  win n in g   tick ets:   = { }   Step s   3.   Set th e  n u m b er   o f   e n s em b les to   b e  cr ea ted :    Step s   4.   Fo r   ea ch   en s em b le  iter atio n     f r o m   1   to   :        a.   I n itialize  a  m ask   m atr ix   f o r   th e  atten tio n   h ea d s   with   all  v al u es set to   1 :  = 1 ×       b.   R an d o m ly   in itialize  a  s u b - n etwo r k   ( tick et)   b ased   o n   th e  B E R T   ar ch itectu r e:    =  _ ( )       c.   T r ain   th e  s u b - n etwo r k   f o r   a  f i x ed   n u m b er   o f   iter atio n s   o r   u n til co n v er g e n ce   o n   a  tr ain in g   d ataset:  =   ( , )       d.   E v alu ate  th e  s u b - n etwo r k ' s   p er f o r m a n ce   o n   th e  v alid atio n   d a taset:  =    ( , )       e.   I f   th e  s u b - n etwo r k   m ee ts   th e  d esire d   p er f o r m an ce   c r iter ia:       −   Ap p ly   th e   m ask   m atr ix   to   th e  s u b - n etwo r k ,   ef f ec tiv ely   p r u n in g   t h e  s elec ted   atten tio n   h ea d s :  = ( , )       −   Ad d   th e  p r u n e d   s u b - n etwo r k   ( win n in g   tick et)   to   th e  en s em b l e  s et:  = ∪   Step s   5.   Fo r   ea ch   s am p le    in   th e  test   d ataset:       a.   Feed   th e  s am p le  th r o u g h   ea ch   win n in g   tick et  in   t h e  en s em b le   s et:   = ( )       b.   Ag g r eg ate  th e  p r ed ictio n s   f r o m   ea ch   win n in g   tick et  to   o b tai n   th e  f in al  p r ed ictio n :     ( ) = ( 1 ( ) , 2 ( ) , … , ( ) ) = 1 ∑   = 1 ( )     Step s   6.   E v alu ate  th e  p e r f o r m an ce   o f   t h e  en s em b le  o n   th e  test   d ataset  u s in g   ap p r o p r iate  m et r ics:     =    ( , )   Step s   7.   R ep ea t step s   4   to   6   f o r   th e  d es ir ed   n u m b er   o f   iter atio n s   o r   en s em b les.   Step s   8.   Ag g r eg ate  th e  p er f o r m an ce   m etr ics ac r o s s   all  en s em b les to   ass es s   th e  o v er all  p er f o r m a n ce   o f   th e  en s em b le  m eth o d :  =   _  ( ) .   Evaluation Warning : The document was created with Spire.PDF for Python.
                      I SS N :   2 0 8 8 - 8 7 0 8   I n t J E lec  &   C o m p   E n g ,   Vo l.   15 ,   No .   2 ,  Ap r il   20 25 :   2 0 7 0 - 2 0 8 0   2074   a.   No tatio n   −   E n s em b le   o f   win n in g   tick ets  :  c o m b in in g   m u ltip le  p r u n e d   m o d els    wh er e  = 1 , 2 , … , .     ( ) = ( 1 ( ) , 2 ( ) , … , ( ) )   ( 2 )     −   Ag g r eg atio n   f u n ctio n   :   a g g r eg a tes th e  p r ed ictio n s   o f   th e  p r u n ed   m o d els u s in g   s im p le  a v er a g in g .       ( ) = ( 1 ( ) , 2 ( ) , … , ( ) ) = 1 ∑   = 1 ( )   ( 3 )     b.   Pro ce s s   o f   f o r m in g   an   e n s em b le   −   Fo r m   th e  en s em b le  s et  :     = = ⋃   = 1 ( ( , 1 ) ∣    ( , ) )   ( 4 )     w h er e:     =   ( ( 1 ) , )   ( 5 )     −   Ma k e   p r ed ictio n s   with   ag g r e g atio n :   Ob tain   in d iv id u al   p r ed ictio n s   f r o m   ea c h   p r u n ed   s u b - n etwo r k :     ( )    = 1 , 2 , … ,   ( 6 )     Ag g r eg ate   th ese  p r ed ictio n s   u s in g   th e  ag g r eg atio n   f u n ctio n   :     ( ) = ( 1 ( ) , 2 ( ) , … , ( ) ) = 1 ∑   = 1 ( )   ( 7 )     T h e   s t e p s   o u t li n e d   i n   t h e   a l g o r i t h m   a b o v e   d e m o n s t r at e   t h e  p r o c e s s   o f   c r e a ti n g   a n   e n s em b l e   f r o m   p r u n e d   a t t e n t i o n   h e a d s   o f   a   B E R T   m o d e l   a n d   u s i n g   t h is   e n s e m b l e   f o r   a g g r e g a t e d   p r e d i c t i o n s .   T h e   c h o s e n   m e t h o d s   e n s u r e   t h e   r e l i a b i l it y   a n d   r e p r o d u c i b i l i t y   o f   r e s u lt s .   T h e   S S T - 2   a n d   C o L A   d a ta s e t s   f r o m   t h e   G L UE   b e n c h m a r k   p r o v i d e s   a   r o b u s t   f o u n d a t i o n   f o r   o u r   s t u d y ,   w h i l e   t h e   B E R T   m o d e l   p r o v i d e s   a   s t a n d a r d   i n   s e q u e n c e  c l a s s i f ic a t i o n   t as k s ,   b e n e f it s   f r o m   p r e - t r a i n e d   c h e c k p o i n t s   t o   e n h a n c e   p e r f o r m a n c e .   T h e   e n s e m b l e   o f   w i n n i n g   t i c k e ts   a p p r o a c h   a i m s   t o   i m p r o v e   m o d e l   e f f i ci e n c y   b y   f o c u s i n g   o n   t h e   m o s t  c r u c i al   c o m p o n e n t s   o f   t h e   B E R T   a r c h i t e c t u r e .   T h e   t r a i n i n g   c o n f i g u r a t i o n s   a r e  d e s i g n e d   t o   o p t i m i z e   t h e   l e a r n i n g   p r o c ess   w h i l e  p r e v e n t i n g   o v e r f i t t i n g ,   e n s u r i n g   t h e   r o b u s tn e s s   o f   o u r   f i n d i n g s .   F i g u r e   2   s h o w s   t h e   s i m u l at i o n   o f   t h e   e n s e m b l e   m o d e l   d u r i n g   t h e   t r a i n i n g   p r o c e s s .   O u r   i m p l em e n t a t i o n   c o d e s   c a n   b e   f o u n d   a t   G i tH u b :   h t t p s : // g i t h u b . c o m /n k s m a r t s / E n s em b l e - of - w i n n i n g - t ic k e ts / b l o b /m a i n /N e w _ p r u n i n g _ B E R T _ a tt e n t i o n _ h e a d s _ F 1 _ s c o r e . i p y n b .           Fig u r e  2 .   Simu latio n   o f   e n s em b le  m o d el  d u r in g   th e  tr ain i n g   p r o ce s s     Evaluation Warning : The document was created with Spire.PDF for Python.
I n t J E lec  &   C o m p   E n g     I SS N:   2088 - 8 7 0 8       E n s emb le  o f wi n n in g   ticke ts :   p r u n in g   b id ir ec tio n a l e n co d er fr o m  th e  tr a n s fo r mers   …   ( N ya la la n i S ma r ts )   2075   3.   RE SU L T S AN D  D I SCU SS I O N    T h is   s ec tio n   p r esen ts   a  d etailed   o v er v iew   o f   o u r   e x p er im e n ts ,   r esu lts ,   an d   d is cu s s io n s ,   f o cu s in g   o n   th e  p er f o r m a n ce   a n d   ef f icien c y   o f   th e   B E R T   m o d el   as  co m p ar ed   to   o u r   en s em b le   m o d el  o n   th e   C o L A  an d   SST - 2   d atasets .   T h e  an aly s is   in clu d es  a  p e r f o r m an ce   c o m p a r is o n   o f   th e  p r u n e d   en s em b le   m o d els  ag ain s t  th e   b aselin e  m o d els,  o f f er in g   in s ig h ts   in to   th e  ef f icien cy - p er f o r m an ce   tr ad e - o f f .   Fu r th e r m o r e ,   we  in v esti g ate  th e   ef f ec ts   o f   p r u n i n g   o n   ac c u r ac y ,   in f e r en ce   s p ee d ,   an d   co m p u tatio n al  ex p e n s es,  p o in tin g   o u t  th e  b e n ef its   an d   s h o r tco m in g s   o f   u s in g   p r u n ed   m o d els.  T h e  r esu lts   em p h asize  o n   th e  a d v an ta g e  o f   th e  e n s em b le  m eth o d   to   b r in g   o u t a n   im p r o v ed   p er f o r m an ce   in   ef f icien cy   with o u t sacr if icin g   th e  task   p e r f o r m an ce .     3 . 1 .     E x perim ent s   s et up   W e  s tar t  with   th e  B E R T   b ase - u n ca s ed   m o d el,   f ea tu r in g   1 2   lay er s ,   1 2   atten tio n   h ea d s ,   1 1 0   m illi o n   p ar am eter s ,   a n d   7 6 8   h i d d en   u n its   p er   lay er .   Usi n g   d if f er e n t  r an d o m   s ee d s ,   we   ev alu ate   with   F1 - s co r e   an d   ac cu r ac y .   T r ain in g   p a r am ete r s   in clu d e  a   b atch   s ize  o f   1 6 ,   lear n in g   r ate  o f   2 e - 5 ,   5   iter atio n s ,   an d   a   co n v er g en ce   th r esh o ld   o f   0 . 0 0 1 ,   we  u s e  Go o g le  C o llab   a  c lo u d   s er v ice  o n   a  s in g le  NVI DI A  T esla  T 4   GPU.   W e  u s e  th e  Ad am   o p tim izer   a n d   cr o s s - en tr o p y   l o s s   f u n ctio n   to   u p d ate  p ar am eter s   an d   m in im ize  lo s s .     3 . 2 .     P er f o r m a nce  c o m pa riso n   T h e  ef f ec tiv en ess   o f   o u r   e n s em b le  m o d el  is   e v id en t  i n   it s   p er f o r m an ce   o n   th e   C o L A  an d   SS T - 2  d atasets ,   as  s h o wn   in   T ab le   2 .   W e  co m p a r e  o u r   en s em b le   m o d el  to   B E R T   b aselin e  m o d el,   E ar ly B E R T ,   an d   d o m in an t  win n in g   tick et  u s in g   th e  d ef a u lt  tr ain in g   s ettin g s   f o r   p r e - tr ain in g   an d   f in e - tu n in g .   Ou r   e n s em b le  ac h iev es  s u p er io r   ac c u r ac y   a n d   F1 - s co r es  o f   9 5 %  an d   9 4 %  o n   C o L A,   an d   9 6 %  an d   9 6 %  o n   SS T - 2 .   T h ese   r esu lts   in d icate   th e  ef f icien cy   g ain s   o f   o u r   ap p r o ac h ,   b ala n cin g   th e  h ig h er   p e r f o r m an ce   o f   th e  m o d el  wh ile  m an ag in g   its   co m p lex ity .   Ou r   f in d i n g s   alig n   with   p r ev io u s   s tu d ies  wh ich   d em o n s tr ate  th at  en s em b le  m eth o d s   h av e  s h o wn   p r o m is e  in   en h an cin g   m o d el  p er f o r m a n ce   ac r o s s   v ar io u s   task s   b y   lev er ag in g   th e  s tr en g th s   o f   m u ltip le  m o d els   [ 2 5 ] ,   p ar ticu lar l y   with   [ 2 6 ] ,  wh ich   also   id en tifie d   f o u r   s u b n etwo r k s   d u r i n g   th e   f in e - t u n in g   p r o ce s s .   T h e   co n s is ten t  o u tp er f o r m an ce   o f   o u r   en s em b le  m o d el  o v er   o th e r   b aselin es  in d icate s   h o w  im p o r tan t  an   en s em b le   tech n iq u e   is   in   n at u r al  lan g u a g e  p r o ce s s in g .   T h e   s u b s tan tial   r ed u ctio n   in   p a r am eter s   f r o m   1 1 0   m illi o n   in   t h e  B E R T   b asel in e  to   7 0   m illi o n   af ter   p r u n i n g   s h o ws th at  p r u n i n g   n o t o n ly   e n h an ce s   ef f icien c y   b u t a ls o   im p r o v es  g en er aliza tio n   ac r o s s   d atasets .   Ou r   en s em b le  m o d el  o f f e r s   a  co m p ellin g   k ey   f o r   task s   r e q u i r in g   h i g h   ac cu r ac y   an d   ef f icien c y .   T h e  r esu lts   p r esen ted   s u p p o r t  th e  h y p o th esis   th at  co m b in in g   p r u n in g   tec h n i q u e  with   en s em b le   m eth o d s   ca n   g r ea tly   b o o s t d ee p   lear n in g   m o d el  p er f o r m an ce .         T ab le  2 .   Mo d el  p er f o r m a n ce   c o m p ar is o n   with   o th er   e n s em b l e  tech n iq u es   M o d e l   D a t a s e t   M e t r i c s   R e f e r e n c e   B ER T   C o LA   6 0 . 5   [ 1 ]   Ea r l y B E R T   C o LA   52   [ 2 5 ]   D o mi n a n t   w i n n i n g   t i c k e t   C o LA   68   [ 2 7 ]   O u r   e n sem b l e   m o d e l   C o LA   9 5 . 0   -           B ER T   SST - 2   9 2 . 7   [ 1 ]   Ea r l y B E R T   SST - 2   9 0 . 7 1   [ 2 5 ]   D o mi n a n t   w i n n i n g   t i c k e t   SST - 2   9 6 . 4   [ 2 7 ]   O u r   e n sem b l e   m o d e l   SST - 2   9 6 . 0   -       3 . 3 .     E x perim ent a l  f ind ing s   o n m o del  perf o rma nce  t re nd s   T h e  p er f o r m an ce   o f   o u r   en s em b le  m o d el,   as  s h o wn   in   Fig u r es  3 ,   h ig h lig h ts   k ey   f in d in g s   in   its   ap p licatio n   to   th e  C o L A  a n d   SS T - 2   d atasets .   Sp ec if ically ,   o n   t h e  C o L A  d ataset  Fig u r e   3 ( a) ,   th e  F1 - s co r e  ex h ib its   an   in itial  s tead y   in c r ea s e,   p ea k in g   at  1 7 0 0   a n d   2 0 0 0   tr ain in g   s tep s   b ef o r e   g r ad u ally   d ec lin in g ,   wh er ea s   ac cu r ac y   im p r o v es  s ig n if ican tly   af ter   8 0 0   s tep s ,   r ea ch in g   its   p ea k   at  1 9 0 0   s tep s   with   m in o r   f lu ctu atio n s   th er ea f ter .   I n   co n tr ast,  th e  SS T - 2   d ataset  in   Fi g u r e  3 ( b )   r ev ea ls   a  m o r e  c o n s is ten t  p er f o r m a n ce ,   with   th e  F1 - s co r e  an d   ac cu r a cy   b o t h   s h o win g   co n ti n u o u s   i m p r o v e m en ts ,   p ea k in g   at   ar o u n d   2 4 0 0   an d   2 3 0 0   s tep s ,   r esp ec tiv ely .   T h e  m o d el's  s u p er io r   p er f o r m an ce   o n   th e  SS T - 2   d ataset,   with   an   F1 - s co r e  o f   9 6 %,   u n d er s co r es  its   ef f ec tiv en ess   in   s en tim en t  an aly s is   task s ,   es p ec ially   wh en   co m p a r ed   to   its   r esu lts   o n   th e  m o r e   ch allen g in g ,   im b alan ce d   C o L A  d ataset,   n ev e r th eless   o u r   en s em b le  m o d el  h as   s h o wn   a   r em ar k ab le   p er f o r m an ce   with   a  s co r e   o f   9 5 % c o m p ar e d   to   o t h er   m o d els wh ich   h av e  f ar   less   p er f o r m an ce .   W h en   co m p a r ed   to   p r ev i o u s   s tu d ies,  s u ch   as  th o s e  h ig h lig h tin g   th e   ca p ab ilit ies  o f   B E R T   in   n atu r al  lan g u ag e   u n d er s tan d in g   [ 1 3 ] ,   o u r   en s em b le  m o d el' s   p er f o r m an ce   alig n s   well,   p a r ticu lar ly   in   s en tim en t   an aly s is .   Ho wev er ,   th e   m o d el' s   p er f o r m an ce   o n   th e  C o L A  d ataset  s u g g ests   th at  wh ile  it  is   h ig h ly   ef f ec tiv e ,   it  m ay   r eq u i r e  ad d itio n al  o p tim izatio n s   to   f u lly   ad d r ess   th e  ch allen g es  p o s ed   b y   im b alan ce d   d atasets .   T h e  Evaluation Warning : The document was created with Spire.PDF for Python.
                      I SS N :   2 0 8 8 - 8 7 0 8   I n t J E lec  &   C o m p   E n g ,   Vo l.   15 ,   No .   2 ,  Ap r il   20 25 :   2 0 7 0 - 2 0 8 0   2076   s tu d y ' s   s tr en g th   lies   in   d e m o n s tr atin g   th e   m o d el' s   ad ap tab i lity   ac r o s s   d if f e r en t  task s ,   alt h o u g h   th e   n ee d   f o r   task - s p ec if ic  ad ju s tm en ts ,   s u ch   as  ea r ly   s to p p in g   d u r in g   tr ain in g   o n   C o L A,   h i g h lig h ts   a  lim itatio n   in   its   g en er aliza b ilit y   with o u t  f i n e - tu n in g .   Un ex p ec ted ly ,   th e   co n s is ten t  im p r o v em en t  i n   SS T - 2   p er f o r m an ce   s u g g ests   th at  th e  m o d el   is   p ar ticu lar ly   well - s u ited   f o r   s en tim en t  an aly s is ,   p o s s ib ly   d u e  to   th e  d ataset' s   b alan ce d   n atu r e  co m p ar e d   to   C o L A.   T h e  s tu d y   d em o n s tr ates  th e  ef f ec tiv en ess   o f   o u r   en s em b le  m o d el  in   en h an cin g   p e r f o r m an ce   ac r o s s   s en tim en t  an aly s is   an d   lin g u is tic  ac ce p tab ilit y   in   n atu r al   lan g u ag e   u n d er s tan d i n g   task s ,   with   p ar ticu lar ly   im p r ess iv e  r esu lts   in   s en tim en t  a n aly s is   as  ev id en ce d   b y   t h e   p er f o r m an ce   m etr ics.  T h e   f in d in g s   h ig h lig h t   th e  im p o r tan c e  o f   task - s p ec if ic  o p tim izatio n s   an d   en s em b lin g   tech n iq u es in   b o o s tin g   th e   p er f o r m an ce   o f   th e   m o d el.         ( a)       ( b )     Fig u r e  3 .   Me tr ics o v e r   s tep s : ( a)   C o L A  d ataset - F1 - s co r e  an d   a cc u r ac y   s co r es  a n d     ( b )   SS T - 2   d ataset - F1   an d   a cc u r ac y   s co r es       3 . 4 .     M o del  e f f iciency   W e  ass e s s   m o d el  ef f icien cy   u s in g   two   p r im ar y   m etr ics:   tr ain in g   lo s s   an d   v alid atio n   lo s s .   T h e  tr ain in g   lo s s   d ec r ea s es  s tead il y   ac r o s s   ep o ch s ,   wh ich   in d icat e  ef f ec tiv e  lear n in g   a n d   ad a p tatio n   to   th e  tr ain in g   d ata' s   co m p lex ities .   I n   th is   s t u d y ,   b o th   r u n s   ( R u n   1   a n d   R u n   2 )   r ep r esen ted   in   Fig u r e  4   s h o ws  a  s ig n if ican t  d ec r ea s e  in   tr ain in g   lo s s   o v er   ep o ch s ,   d e m o n s tr atin g   e f f ec t iv e  lear n in g .   R u n   1   s tar ts   with   a  s lig h tly   lo wer   in itial  tr ain in g   lo s s   ( 0 . 4 7 9 4 )   c o m p ar ed   t o   R u n   2   ( 0 . 4 8 7 1 ) ,   w ith   b o th   co n v er g i n g   to   s im ilar   v alu es  b y   th e  th ir d   Evaluation Warning : The document was created with Spire.PDF for Python.
I n t J E lec  &   C o m p   E n g     I SS N:   2088 - 8 7 0 8       E n s emb le  o f wi n n in g   ticke ts :   p r u n in g   b id ir ec tio n a l e n co d er fr o m  th e  tr a n s fo r mers   …   ( N ya la la n i S ma r ts )   2077   ep o ch   ( 0 . 1 6 7 9   f o r   R u n   1   an d   0 . 1 7 8 3   f o r   R u n   2 ) .   T h e  co n s is ten t  r ed u ctio n   o f   tr ain in g   lo s s   s h o ws   th at  th e   m o d el  is   ef f ec tiv ely   f itti n g   th e   tr ain in g   d ata.   W h en   co m p ar in g   v alid atio n   l o s s es,  R u n   1   s h o ws  a  s tead y   d ec r ea s e   f r o m   0 . 4 3 9 9 6 1   to   0 . 2 2 9 7 2 2 ,   s u g g esti n g   g o o d   g en e r aliza tio n .   I n   co n tr ast,  R u n   2   s h o ws  an   in itial  d ec r ea s e  f r o m   0 . 4 6 2 1 9 8   to   0 . 3 0 1 4 5 9 ,   f o llo wed   b y   a   s lig h t  in cr ea s e  to   0 . 2 9 9 9 9 7 .   T h is   d if f er e n ce s   h in ts   th at  th e   m o d el   co u ld   b e   p o te n tially   o v er f itti n g   o r   th er e’ s   v a r iab il ity   in   m o d el  p er f o r m a n ce .   T h e  lo wer   v alid atio n   lo s s   in   R u n   1   s u g g ests   it   g en er alize s   s lig h tly   b etter ,   s h o win g   th e  im p o r tan ce   o f   s tab le  v alid atio n   p er f o r m a n ce   f o r   m o d el  r o b u s tn ess .   T h e  s tu d y   co n f i r m s   th at  th e   m o d el  lear n s   a n d   g en er alize s   we ll,  with   d ec r ea s in g   t r ain in g   an d   v alid atio n   lo s s es.   Mo n ito r in g   th ese  m etr ics  o f f er s   in s ig h ts   in to   th e   m o d el' s   g en er aliza tio n   ab ilit y   t o   u n s ee n   d ata   an d   g u id es  ad ju s tm en ts   s u ch   as  r eg u lar izatio n   tech n iq u es  o r   m o d if i ca tio n s   to   th e  m o d el  a r ch it ec tu r e  to   im p r o v e  p er f o r m an ce   an d   p r ev en t  o v er f itti n g .           Fig u r e  4 .   T r ain in g   a n d   v alid atio n   l o s s   v s  e p o ch s       Fig u r e  5   s h o ws  th e  d ev elo p m en t  o f   en s em b le  iter atio n s   an d   ev alu atio n   m etr ics  ac r o s s   ep o ch s ,   p r o v id i n g   a   v is u al  r e p r esen tat io n   o f :  ( a)   th e  n u m b e r   o f   e n s em b le  iter atio n s   ex ec u ted   p er   ep o ch   an d   ( b )   th e   co r r esp o n d in g   e v alu atio n   m e tr ics  ac h iev ed   at  ea ch   ep o c h .   Fig u r e  5 ( a)   s h o ws  th e  f lu c tu atin g   n u m b er   o f   en s em b le  iter atio n s   p er   e p o c h ,   d ep icted   b y   b lu e  b a r s .   Fig u r e  5 ( b )   d is p lay s   th e  u p war d   tr en d   in   e v alu atio n   m etr ics  ac r o s s   ep o c h s ,   r ep r e s en ted   b y   g r e en   b ar s .   F ig u r es  5 ( a)   an d   5 ( b )   s h o ws  in s ig h tf u l   o b s er v atio n s   r eg ar d in g   th e  e f f icien cy   a n d   p er f o r m an ce   o f   o u r   m o d el   u tili zin g   en s em b le  p r u n i n g   tech n iq u es  ac r o s s     1 3   ep o ch s .   R em ar k ab l y ,   tr ain in g   an d   f in e - tu n in g   th e  m o d e l  p er   3   ep o ch s   to o k   ab o u t  4 5   m in u tes  to   1   h o u r ,   alth o u g h   m o r e  t h an   5   h o u r s   was n ee d ed   to   f in e - tu n e   u s in g   1 3   ep o c h s .   A  co m p ar is o n   ca n   b e  d r awn   b etwe en   th e  s tu d y   o f   [ 2 4 ]   u tili zin g   u p   to   2 0   ep o ch s   to   f in e - tu n e  th eir   m o d el,   wh er ea s   in   o u r   s tu d y ,   we  u s ed   o n ly   3   a n d   1 3   ep o ch s   an d   s till   o u r   en s em b le  m o d el  ac h iev ed   o u ts tan d in g   p er f o r m an ce .   T h e r ef o r e,   t h e  in cr ea s e  in   e n s em b le  iter atio n s   o v er   e p o ch s   ( r a n g in g   f r o m   2   to   9 )   alig n s   with   f in d in g s   b y   Z h en g   et  a l.   [ 2 4 ] ,   wh o   n o ted   t h at  en s em b le  m eth o d s   ca n   im p r o v e  th e  p er f o r m an ce   o f   th e  m o d el  b y   lev er a g in g   m u ltip le  lear n in g   alg o r it h m s   to   y ield   im p r o v e d   p r ed ictio n   ac cu r ac y .   Fu r th er m o r e,   in   th is   s tu d y ,   we  f o cu s ed   o n   o p tim izin g   th e   p r u n in g   p r o ce s s   with in   an   e n s em b le  m o d el  b y   tar g etin g   atten tio n   h ea d s ,   em p lo y i n g   a  f ix e d   lear n in g   r ate  o f   2 e - 5 ,   an d   s ettin g   th e  p r u n in g   th r esh o ld   to   0 . 0 0 1 .   Ou r   ap p r o ac h   allo wed   f o r   th e  s y s tem atic  r ed u ctio n   o f   th e  m o d el' s   co m p lex ity ,   p ar ticu lar ly   b y   p r u n i n g   en tire   b lo ck s   o r   s tr u ctu r es o f   atten tio n   h ea d s ,   r esu ltin g   in   a  s tr ea m lin ed   m o d e l a r ch itectu r e.   C o m p ar ativ ely ,   p r ev io u s   s tu d ies  lik e  th at  o f   [ 2 4 ] – [ 2 7 ]   u s ed   iter ativ e  m ag n it u d e  p r u n i n g ,   wh ic h   f o cu s es  o n   in d iv id u al   weig h ts .   T h is   tech n iq u e   allo ws  f o r   m o r e  f i n e  g r ain   p r u n in g   b u t  ca n   en d   u p   with   a  less   r ed u ctio n   in   m o d el   s ize  as  co m p ar ed   to   o u r   a p p r o ac h .   W h ile  o u r   m eth o d   is   f o cu s e d   in   p r u n in g   lar g e r   s tr u ctu r es  with in   th e  m o d el,   lik ely   lead in g   to   m o r e  r e d u cti o n s   in   m o d el  co m p le x ity ,   it  m ay   also   in tr o d u ce   m o r e  v ar iab ilit y   in   m o d el   p e r f o r m a n ce .   Pre v i o u s   s tu d ies  f o cu s ed   o n   u s in g   weig h t  p r u n in g   with   a   s m aller   th r esh o ld   wh ich   p r o v id es  f in e r   co n tr o l  o v er   m o d el  p r u n in g   an d   m ig h t  b etter   p r eser v e  m o d el  ac cu r ac y .   T h e   d if f er en t   f o cu s   a r ea s   o f   p r u n i n g   wh ich   ar e  weig h ts   v s .   atte n tio n   h ea d s   s h o w  th e   tr ad e - o f f s   b etwe en   p r ec is io n   an d   s im p lify in g   th e  s tr u ctu r al  o f   th e  m o d el.   Evaluation Warning : The document was created with Spire.PDF for Python.
                      I SS N :   2 0 8 8 - 8 7 0 8   I n t J E lec  &   C o m p   E n g ,   Vo l.   15 ,   No .   2 ,  Ap r il   20 25 :   2 0 7 0 - 2 0 8 0   2078   T h e  p r im ar y   p u r p o s e  o f   th is   s tu d y   was  to   ex p lo r e  th e  ef f ec t iv en ess   o f   atten tio n   h ea d   p r u n in g   with in   en s em b le  m o d els  an d   its   im p ac t  o n   m o d el  e f f icien cy .   O u r   f i n d in g s   d r aw   atten tio n   to   th e  p o ten tial   f o r   a   s ig n if ican t  m o d el  r ed u ctio n   t h r o u g h   atten tio n   h ea d   p r u n i n g   wh ile  m ain tain in g   p er f o r m an ce ,   p ar ticu lar l y   with in   th e  co n tex t  o f   an   en s em b le .   T h is   s tu d y   h ig h lig h ts   th e  im p o r tan ce   o f   ex p lo r in g   alter n ativ e  p r u n in g   s tr ateg ies,  s u ch   as  b lo ck - lev el  p r u n in g ,   an d   in v ites   f u tu r e  r es ea r ch   to   d elv e  d ee p er   in to   th e  ef f ec ts   o f   d if f er e n t   th r esh o ld   lev els an d   lear n in g   r ates o n   m o d el  p er f o r m an ce .         ( a)       ( b )     Fig u r e  5 .   E n s em b le  iter atio n s   an d   ev alu atio n   m etr ics:   ( a)   e n s em b le  iter atio n s   p er   e p o ch   an d   ( b )   ev al u atio n   m etr ics p er   ep o ch       4.   CO NCLU SI O N    T h is   p ap er   in tr o d u ce s   a  n o v e l  ap p r o ac h   to   en h an ce   B E R T   m o d el  ef f icien cy   b y   p r u n in g   atten tio n   h ea d s   u s in g   an   e n s em b le  o f   wi n n in g   tick ets .   E x p er im en tal  r e s u lts   d em o n s tr ate  s ig n if ican t r ed u ctio n s   in   m o d el   co m p lex ity   wh ile  m ain tain in g   o r   im p r o v in g   p er f o r m a n ce   ac r o s s   v ar io u s   NL P  ta s k s .   Ou r   ex p er im en ts   o n   C o L A  an d   SS T - 2   d atasets   s h o w  th e  p r u n ed   e n s em b le  m o d el  r e d u ce s   p ar a m eter s   f r o m   1 1 0   m illi o n   to     7 0   m illi o n ,   ac h ie v in g   s u p er io r   ac cu r ac y   a n d   F1 - s co r es  co m p ar ed   to   th e   o r ig in al  B E R T .   Sp ec if ically ,   o u r   en s em b le  m o d el  ac h iev ed   9 5 %  ac cu r ac y   an d   9 4 %  F1 - s co r e  o n   SS T - 2 ,   an d   9 6 %  f o r   b o t h   m etr ics  o n   C o L A.   T h is   u n d er s co r es  th e   ef f icac y   o f   p r u n in g   i n f o r m ativ e  at ten tio n   h ea d s   to   o p tim ize  m o d el  p e r f o r m an ce   ef f icien tly .   Ou r   an aly s is   als o   em p h asizes  s elec tin g   ap p r o p r iate  ev alu atio n   m etr ics  tailo r ed   to   d ataset  ch ar ac ter is tics ;  F1 - s co r e  f o r   C o L A's  im b alan ce d   d ata  an d   ac cu r ac y   f o r   s en tim en t  an al y s is   in   SS T - 2 .   I n   co n clu s io n ,   th e  e n s em b le  o f   win n in g   tick ets  o f f e r s   a  p r o m is in g   av en u e  to   o p tim ize  l ar g e - s ca le  lan g u a g e   Evaluation Warning : The document was created with Spire.PDF for Python.
I n t J E lec  &   C o m p   E n g     I SS N:   2088 - 8 7 0 8       E n s emb le  o f wi n n in g   ticke ts :   p r u n in g   b id ir ec tio n a l e n co d er fr o m  th e  tr a n s fo r mers   …   ( N ya la la n i S ma r ts )   2079   m o d els,  b alan cin g   e f f icien cy   an d   p er f o r m an ce ,   with   p o te n tial  ap p licatio n s   ac r o s s   d iv er s e  NL P  task s   an d   b ey o n d .   Fu tu r e  r esear ch   co u l d   ex p lo r e   ex ten d i n g   th ese  tec h n iq u es  to   o t h er   NL P  task s   o r   in v esti g atin g   th e   ef f ec ts   o f   d if f er en t  p r u n i n g   s tr ateg ies  o n   en s em b le  m o d e ls .   Fu r th er   in v esti g atio n   in to   th e  v ar iab ilit y   in   p er f o r m an ce   ac r o s s   d if f er en t   p r u n in g   tech n iq u es  co u ld   o f f er   v alu a b le  in s ig h ts   f o r   o p tim izin g   m o d e l   ef f icien cy   an d   r o b u s tn ess   in   v ar io u s   d ee p   lear n in g   a p p licati o n s .       ACK NO WL E DG E M E NT S    T h e  au th o r s   ar e  g r atef u l  to   B o ts wan a  I n ter n atio n al  Un iv er s ity   o f   Scien ce   an d   T ec h n o lo g y   f o r   its   s u p p o r t.       RE F E R E NC E S   [ 1 ]   J.  D e v l i n ,   M . - W .   C h a n g ,   K .   L e e ,   a n d   K .   T o u t a n o v a ,   “ B ER T :   p r e - t r a i n i n g   o f   d e e p   b i d i r e c t i o n a l   t r a n sf o r m e r s  f o r   l a n g u a g e   u n d e r s t a n d i n g , ”   i n   P ro c e e d i n g s  o f   t h e   2 0 1 9   C o n f e re n c e   o f   t h e   N o rt h ,   S t r o u d s b u r g :   A ss o c i a t i o n   f o r   C o m p u t a t i o n a l   Li n g u i st i c s,   2 0 1 9 ,   p p .   4 1 7 1 – 4 1 8 6 ,   d o i :   1 0 . 1 8 6 5 3 / v 1 / N 1 9 - 1 4 2 3 .   [ 2 ]   A .   Ta n g ,   P .   Q u a n ,   L .   N i u ,   a n d   Y .   S h i ,   “ A   su r v e y   f o r   s p a r s e   r e g u l a r i z a t i o n   b a s e d   c o m p r e ssi o n   m e t h o d s , ”   A n n a l s   o f   D a t a   S c i e n c e ,  v o l .   9 ,   n o .   4 ,   p p .   6 9 5 – 7 2 2 ,   A u g .   2 0 2 2 ,   d o i :   1 0 . 1 0 0 7 / s4 0 7 4 5 - 0 2 2 - 0 0 3 8 9 - 6.   [ 3 ]   C .   Y u ,   T .   C h e n ,   a n d   Z.   G a n ,   “ B o o st   t r a n sf o r mer - b a se d   l a n g u a g e   mo d e l s  w i t h   G P U - f r i e n d l y   s p a r si t y   a n d   q u a n t i z a t i o n , ”   i n   Fi n d i n g s   o f   t h e   Ass o c i a t i o n   f o r   C o m p u t a t i o n a l   L i n g u i st i c s:   AC L   2 0 2 3 ,   S t r o u d s b u r g ,   P A ,   U S A :   A sso c i a t i o n   f o r   C o m p u t a t i o n a l   Li n g u i s t i c s,  2 0 2 3 ,   p p .   2 1 8 – 2 3 5 ,   d o i :   1 0 . 1 8 6 5 3 / v 1 / 2 0 2 3 . f i n d i n g s - a c l . 1 5 .   [ 4 ]   C. - C .   J .   K u o   a n d   A .   M .   M a d n i ,   “ G r e e n   l e a r n i n g :   i n t r o d u c t i o n ,   e x a m p l e s   a n d   o u t l o o k , ”   J o u rn a l   o f   Vi s u a l   C o m m u n i c a t i o n   a n d   I m a g e   Re p r e se n t a t i o n ,   v o l .   9 0 ,   p p .   1 0 3 6 8 5 ,   F e b .   2 0 2 3 ,   d o i :   1 0 . 1 0 1 6 / j . j v c i r . 2 0 2 2 . 1 0 3 6 8 5 .   [ 5 ]   R .   V e r d e c c h i a ,   J.  S a l l o u ,   a n d   L.   C r u z ,   “ A   sy s t e m a t i c   r e v i e w   o f   g r e e n   A I , ”   WIREs  D a t a   Mi n i n g   a n d   K n o w l e d g e   D i sc o v e ry ,    v o l .   1 3 ,   n o .   4 ,   Ju l .   2 0 2 3 ,   d o i :   1 0 . 1 0 0 2 / w i d m. 1 5 0 7 .   [ 6 ]   J.  D .   N u n e s,   M .   C a r v a l h o ,   D .   C a r n e i r o ,   a n d   J.  S .   C a r d o s o ,   “ S p i k i n g   n e u r a l   n e t w o r k s:   a   s u r v e y , ”   I EEE   Ac c e ss ,   v o l .   1 0 ,     p p .   6 0 7 3 8 – 6 0 7 6 4 ,   2 0 2 2 ,   d o i :   1 0 . 1 1 0 9 / A C C ESS . 2 0 2 2 . 3 1 7 9 9 6 8 .   [ 7 ]   S .   S h r e y a s h r e e ,   P .   S u n a g a r ,   S .   R a j a r a j e s w a r i ,   a n d   A .   K a n a v a l l i ,   “ A   l i t e r a t u r e   r e v i e w   o n   b i d i r e c t i o n a l   e n c o d e r   r e p r e s e n t a t i o n s   f r o m   t r a n s f o r m e r s , ”   i n   I n v e n t i v e   C o m p u t a t i o n   a n d   I n f o r m a t i o n   T e c h n o l o g i e s :   P r o c e e d i n g s   o f   I C I C I T   2 0 2 1 ,   S p r i n g e r ,   2 0 2 2 ,   p p .   3 0 5 – 3 2 0 .   [ 8 ]   W .   K h a n ,   A .   D a u d ,   K .   K h a n ,   S .   M u h a mm a d ,   a n d   R .   H a q ,   “ E x p l o r i n g   t h e   f r o n t i e r s  o f   d e e p   l e a r n i n g   a n d   n a t u r a l   l a n g u a g e   p r o c e ss i n g :   a   c o mp r e h e n s i v e   o v e r v i e w   o f   k e y   c h a l l e n g e s   a n d   e mer g i n g   t r e n d s, ”   N a t u ra l   L a n g u a g e   Pr o c e ssi n g   J o u rn a l ,   v o l .   4 ,     p p .   1 0 0 0 2 6 ,   S e p .   2 0 2 3 ,   d o i :   1 0 . 1 0 1 6 / j . n l p . 2 0 2 3 . 1 0 0 0 2 6 .   [ 9 ]   D .   K h u r a n a ,   A .   K o l i ,   K .   K h a t t e r ,   a n d   S .   S i n g h ,   “ N a t u r a l   l a n g u a g e   p r o c e ssi n g :   s t a t e   o f   t h e   a r t ,   c u r r e n t   t r e n d s   a n d   c h a l l e n g e s , ”  Mu l t i m e d i a   T o o l s  a n d   Ap p l i c a t i o n s ,   v o l .   8 2 ,   n o .   3 ,   p p .   3 7 1 3 – 3 7 4 4 ,   Ja n .   2 0 2 3 ,   d o i :   1 0 . 1 0 0 7 / s1 1 0 4 2 - 0 2 2 - 1 3 4 2 8 - 4.   [ 1 0 ]   S .   M a r u f ,   F .   S a l e h ,   a n d   G .   H a f f a r i ,   “ A   su r v e y   o n   d o c u me n t - l e v e l   n e u r a l   mac h i n e   t r a n sl a t i o n , ”   A C M   C o m p u t i n g   S u r v e y s ,   v o l .   5 4 ,   n o .   2 ,   p p .   1 – 3 6 ,   M a r .   2 0 2 2 ,   d o i :   1 0 . 1 1 4 5 / 3 4 4 1 6 9 1 .   [ 1 1 ]   A .   B a n d i ,   P .   V .   S .   R .   A d a p a ,   a n d   Y .   E.   V .   P .   K .   K u c h i ,   “ T h e   p o w e r   o f   g e n e r a t i v e   A I :   a   r e v i e w   o f   r e q u i r e me n t s ,   mo d e l s,  i n p u t – o u t p u t   f o r m a t s ,   e v a l u a t i o n   me t r i c s ,   a n d   c h a l l e n g e s,”   F u t u re   I n t e r n e t ,   v o l .   1 5 ,   n o .   8 ,   p p .   2 6 0 ,   Ju l .   2 0 2 3 ,   d o i :   1 0 . 3 3 9 0 / f i 1 5 0 8 0 2 6 0 .   [ 1 2 ]   J.  Z a k r a o u i ,   M .   S a l e h ,   S .   A l - M a a d e e d ,   a n d   J.   M .   A l j a ’ a m,   “ A r a b i c   ma c h i n e   t r a n s l a t i o n :   a   s u r v e y   w i t h   c h a l l e n g e s   a n d   f u t u r e   d i r e c t i o n s, ”   I E EE  A c c e ss ,   v o l .   9 ,   p p .   1 6 1 4 4 5 – 1 6 1 4 6 8 ,   2 0 2 1 ,   d o i :   1 0 . 1 1 0 9 / A C C ESS . 2 0 2 1 . 3 1 3 2 4 8 8 .   [ 1 3 ]   M .   S .   S a y e e d ,   V .   M o h a n ,   a n d   K .   S .   M u t h u ,   “ B ER T:   a   r e v i e w   o f   a p p l i c a t i o n s   i n   se n t i me n t   a n a l y s i s, ”   H i g h T e c h   a n d   I n n o v a t i o n   J o u rn a l ,   v o l .   4 ,   n o .   2 ,   p p .   4 5 3 – 4 6 2 ,   Ju n .   2 0 2 3 ,   d o i :   1 0 . 2 8 9 9 1 / H I J - 2 0 2 3 - 04 - 02 - 0 1 5 .   [ 1 4 ]   K .   A .   A l s h a i k h ,   O .   A .   A l m a t r a f i ,   a n d   Y .   B .   A b u s h a r k ,   “ B E R T - b a s e d   m o d e l   f o r   a s p e c t - b a s e d   s e n t i m e n t   a n a l y s i s   f o r   a n a l y z i n g   A r a b i c   o p e n - e n d e d   s u r v e y   r e s p o n s e s :   a   c a s e   s t u d y , ”   I E E E   A c c e s s ,   v o l .   1 2 ,   p p .   2 2 8 8 – 2 3 0 2 ,   2 0 2 4 ,   d o i :   1 0 . 1 1 0 9 / A C C E S S . 2 0 2 3 . 3 3 4 8 3 4 2 .   [ 1 5 ]   T.   L i a n g ,   J.   G l o ssn e r ,   L.   W a n g ,   S .   S h i ,   a n d   X .   Zh a n g ,   “ P r u n i n g   a n d   q u a n t i z a t i o n   f o r   d e e p   n e u r a l   n e t w o r k   a c c e l e r a t i o n :   a   su r v e y , ”   N e u ro c o m p u t i n g ,   v o l .   4 6 1 ,   p p .   3 7 0 – 4 0 3 ,   O c t .   2 0 2 1 ,   d o i :   1 0 . 1 0 1 6 / j . n e u c o m. 2 0 2 1 . 0 7 . 0 4 5 .   [ 1 6 ]   B .   L i ,   Y .   M i a o ,   Y .   W a n g ,   Y .   S u n ,   a n d   W .   W a n g ,   “ I mp r o v i n g   t h e   e f f i c i e n c y   a n d   e f f e c t i v e n e ss  f o r   B E R T - b a se d   e n t i t y   r e s o l u t i o n , ”   i n   Pro c e e d i n g s   o f   t h e   AA AI   C o n f e re n c e   o n   Ar t i f i c i a l   I n t e l l i g e n c e ,   2 0 2 1 ,   p p .   1 3 2 2 6 – 1 3 2 3 3 ,   d o i :   1 0 . 1 6 0 9 / a a a i . v 3 5 i 1 5 . 1 7 5 6 2 .   [ 1 7 ]   V .   K .   V e r ma,   N .   M e h t a ,   S .   S i ,   R .   H e n a o ,   a n d   L .   C a r i n ,   “ P u s h i n g   t h e   e f f i c i e n c y   l i mi t   u si n g   s t r u c t u r e d   s p a r se   c o n v o l u t i o n s,”   i n   2 0 2 3   I E EE/ C VF   W i n t e r  C o n f e re n c e   o n   A p p l i c a t i o n s  o f   C o m p u t e r  V i si o n   ( WA C V) ,   I EEE,   Ja n .   2 0 2 3 ,   p p .   6 4 9 2 – 6 5 0 2 ,     d o i :   1 0 . 1 1 0 9 / W A C V 5 6 6 8 8 . 2 0 2 3 . 0 0 6 4 4 .   [ 1 8 ]   Y .   Y a n g ,   C .   Z h a n g ,   B .   W a n g ,   a n d   D .   S o n g ,   “ D o g e   t i c k e t s :   u n c o v e r i n g   d o ma i n - g e n e r a l   l a n g u a g e   m o d e l s   b y   p l a y i n g   l o t t e r y   t i c k e t s, ”   i n   C C F  I n t e rn a t i o n a l   C o n f e re n c e   o n   N a t u r a l   L a n g u a g e   Pr o c e ssi n g   a n d   C h i n e se  C o m p u t i n g ,   2 0 2 2 ,   p p .   1 4 4 – 1 5 6 ,     d o i :   1 0 . 1 0 0 7 / 9 7 8 - 3 - 031 - 1 7 1 2 0 - 8 _ 1 2 .   [ 1 9 ]   Z.   G a n   e t   a l . ,   “ P l a y i n g   l o t t e r y   t i c k e t s   w i t h   v i s i o n   a n d   l a n g u a g e , ”   i n   P ro c e e d i n g s o f   t h e   AAAI   C o n f e re n c e   o n   Art i f i c i a l   I n t e l l i g e n c e ,  2 0 2 2 ,   p p .   6 5 2 – 6 6 0 ,   d o i :   1 0 . 1 6 0 9 / a a a i . v 3 6 i 1 . 1 9 9 4 5 .   [ 2 0 ]   M .   W a n k h a d e ,   A .   C .   S .   R a o ,   a n d   C .   K u l k a r n i ,   “ A   su r v e y   o n   se n t i me n t   a n a l y si s   me t h o d s,   a p p l i c a t i o n s,  a n d   c h a l l e n g e s,”   Ar t i f i c i a l   I n t e l l i g e n c e   Re v i e w ,   v o l .   5 5 ,   n o .   7 ,   p p .   5 7 3 1 – 5 7 8 0 ,   O c t .   2 0 2 2 ,   d o i :   1 0 . 1 0 0 7 / s1 0 4 6 2 - 0 2 2 - 1 0 1 4 4 - 1.   [ 2 1 ]   A .   W a r st a d t ,   A .   S i n g h ,   a n d   S .   R .   B o w m a n ,   “ N e u r a l   n e t w o r k   a c c e p t a b i l i t y   j u d g m e n t s, ”   T r a n s a c t i o n s  o f   t h e   Ass o c i a t i o n   f o r   C o m p u t a t i o n a l   L i n g u i s t i c s ,   v o l .   7 ,   p p .   6 2 5 – 6 4 1 ,   N o v .   2 0 1 9 ,   d o i :   1 0 . 1 1 6 2 / t a c l _ a _ 0 0 2 9 0 .   [ 2 2 ]   T.   W o l f   e t   a l . ,   “ Tr a n sf o r m e r s:   s t a t e - of - t h e - a r t   n a t u r a l   l a n g u a g e   p r o c e ssi n g , ”   i n   Pr o c e e d i n g s  o f   t h e   2 0 2 0   C o n f e re n c e   o n   Em p i r i c a l   Me t h o d s  i n   N a t u ra l   L a n g u a g e   Pr o c e ssi n g :   S y s t e m   D e m o n s t ra t i o n s ,   S t r o u d s b u r g ,   P A ,   U S A :   A ss o c i a t i o n   f o r   C o m p u t a t i o n a l   Li n g u i s t i c s,  2 0 2 0 ,   p p .   3 8 – 45 ,   d o i :   1 0 . 1 8 6 5 3 / v 1 / 2 0 2 0 . e m n l p - d e m o s. 6 .   [ 2 3 ]   A .   M o h a m m e d   a n d   R .   K o r a ,   “ A   c o m p r e h e n s i v e   r e v i e w   o n   e n s e m b l e   d e e p   l e a r n i n g :   O p p o r t u n i t i e s   a n d   c h a l l e n g e s , ”   J o u r n a l   o f   K i n g   S a u d   U n i v e r s i t y   -   C o m p u t e r   a n d   I n f o r m a t i o n   S c i e n c e s ,   v o l .   3 5 ,   n o .   2 ,   p p .   7 5 7 – 7 7 4 ,   F e b .   2 0 2 3 ,   d o i :   1 0 . 1 0 1 6 / j . j k s u c i . 2 0 2 3 . 0 1 . 0 1 4 .   [ 2 4 ]   R .   Zh e n g   e t   a l . ,   “ R o b u s t   l o t t e r y   t i c k e t s  f o r   p r e - t r a i n e d   l a n g u a g e   m o d e l s, ”   i n   Pr o c e e d i n g s   o f   t h e   6 0 t h   A n n u a l   M e e t i n g   o f   t h e   Asso c i a t i o n   f o r  C o m p u t a t i o n a l   L i n g u i st i c s  ( V o l u m e   1 :   L o n g   Pa p e rs) ,   A sso c i a t i o n   f o r   C o mp u t a t i o n a l   L i n g u i st i c s,  2 0 2 2 ,     p p .   2 2 1 1 – 2 2 2 4 ,   d o i :   1 0 . 1 8 6 5 3 / v 1 / 2 0 2 2 . a c l - l o n g . 1 5 7 .   [ 2 5 ]   X .   C h e n ,   Y .   C h e n g ,   S .   W a n g ,   Z.   G a n ,   Z.   W a n g ,   a n d   J .   L i u ,   “ E a r l y B E R T :   e f f i c i e n t   B E R T  t r a i n i n g   v i a   e a r l y - b i r d   l o t t e r y   t i c k e t s , ”   i n   Pro c e e d i n g s  o f   t h e   5 9 t h   A n n u a l   M e e t i n g   o f   t h e   Ass o c i a t i o n   f o r   C o m p u t a t i o n a l   L i n g u i s t i c s  a n d   t h e   1 1 t h   I n t e rn a t i o n a l   J o i n t   C o n f e re n c e   o n   N a t u r a l   L a n g u a g e   Pr o c e ssi n g   ( V o l u m e   1 :   L o n g   P a p e rs) ,   S t r o u d s b u r g ,   P A ,   U S A :   A sso c i a t i o n   f o r   C o m p u t a t i o n a l   Li n g u i s t i c s,  2 0 2 1 ,   p p .   2 1 9 5 – 2 2 0 7 ,   d o i :   1 0 . 1 8 6 5 3 / v 1 / 2 0 2 1 . a c l - l o n g . 1 7 1 .   Evaluation Warning : The document was created with Spire.PDF for Python.