?一、背景介紹

BERT和RoBERTa在文本語(yǔ)義相似度等句子對(duì)的回歸任務(wù)上，已經(jīng)達(dá)到了SOTA的結(jié)果。但是，它們都需要把兩個(gè)句子同時(shí)喂到網(wǎng)絡(luò)中，這樣會(huì)導(dǎo)致巨大的計(jì)算開銷：從10000個(gè)句子中找出最相似的句子對(duì)，大概需要5000萬(wàn)(C100002=49,995,000)個(gè)推理計(jì)算，在V100GPU上耗時(shí)約65個(gè)小時(shí)。這種結(jié)構(gòu)使得BERT不適合語(yǔ)義相似度搜索，同樣也不適合無(wú)監(jiān)督任務(wù)（例如：聚類）。

本文基于BERT網(wǎng)絡(luò)做了修改，提出了Sentence-BERT(SBERT)網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)結(jié)構(gòu)利用孿生網(wǎng)絡(luò)和三胞胎網(wǎng)絡(luò)結(jié)構(gòu)生成具有語(yǔ)義意義的句子embedding向量，語(yǔ)義相近的句子其embedding向量距離就比較近，從而可以用來進(jìn)行相似度計(jì)算(余弦相似度、曼哈頓距離、歐式距離)。該網(wǎng)絡(luò)結(jié)構(gòu)在查找最相似的句子對(duì)，從上述的65小時(shí)大幅降低到5秒(計(jì)算余弦相似度大概0.01s)，精度能夠依然保持不變。這樣SBERT可以完成某些新的特定任務(wù)，例如相似度對(duì)比、聚類、基于語(yǔ)義的信息檢索。

二、模型介紹

1）pooling策略

SBERT在BERT/RoBERTa的輸出結(jié)果上增加了一個(gè)pooling操作，從而生成一個(gè)固定大小的句子embedding向量。實(shí)驗(yàn)中采取了三種pooling策略做對(duì)比：

直接采用CLS位置的輸出向量代表整個(gè)句子的向量表示

MEAN策略，計(jì)算各個(gè)token輸出向量的平均值代表句子向量

MAX策略，取所有輸出向量各個(gè)維度的最大值代表句子向量

三個(gè)策略的實(shí)驗(yàn)對(duì)比效果如下：

可見三個(gè)策略中，MEAN策略是效果最好的，所以后面實(shí)驗(yàn)?zāi)J(rèn)采用的是MEAN策略。

2）模型結(jié)構(gòu)

為了能夠fine-tune BERT/RoBERTa，文章采用了孿生網(wǎng)絡(luò)和三胞胎網(wǎng)絡(luò)來更新權(quán)重參數(shù)，以達(dá)到生成的句子向量具有語(yǔ)義意義。該網(wǎng)絡(luò)結(jié)構(gòu)依賴于具體的訓(xùn)練數(shù)據(jù)，文中實(shí)驗(yàn)了下面幾種結(jié)構(gòu)和目標(biāo)函數(shù)：

Classification Objective Function:

這里將embedding向量u和v以及它們之間的差向量拼接在一起，組成一個(gè)新的向量，乘以權(quán)重參數(shù)Wt∈R3n*k，n表示向量的維度，k是分類標(biāo)簽數(shù)量。

優(yōu)化的時(shí)候采用交叉熵?fù)p失函數(shù)。

Regression Objective Function:

兩個(gè)句子嵌入向量u和v的相似度計(jì)算結(jié)構(gòu)如下：

采取MAE(mean squared error)損失作為優(yōu)化的目標(biāo)函數(shù)。

Triplet Objective Function：

給定一個(gè)主句a、一個(gè)正面句子p和一個(gè)負(fù)面句子n，三元組損失調(diào)整網(wǎng)絡(luò)，使得a和p之間的距離小于a和n之間的距離。數(shù)學(xué)上，我們最小化以下?lián)p失函數(shù):

s表示a、p、n的句子嵌入向量，||·||表示距離，邊緣參數(shù)ε表示sp與sa的距離至少比sn近ε。

3）模型訓(xùn)練

文中訓(xùn)練結(jié)合了SNLI(Stanford Natural Language Inference)和Multi-Genre NLI兩種數(shù)據(jù)集。SNLI有570,000個(gè)人工標(biāo)注的句子對(duì)，標(biāo)簽分為矛盾、蘊(yùn)含、中立三種；MultiNLI是SNLI的升級(jí)版，格式和標(biāo)簽都一樣，有430,000個(gè)句子對(duì)，主要是一系列口語(yǔ)和書面語(yǔ)文本。文本蘊(yùn)含關(guān)系描述的是兩個(gè)文本之間的推理關(guān)系，其中一個(gè)文本作為前提（premise），另一個(gè)文本作為假設(shè)（hypothesis），如果根據(jù)前提P能夠推理得出假設(shè)H，那么就說P蘊(yùn)含H，記做P->H。參考樣例如下：

實(shí)驗(yàn)時(shí)，每個(gè)epoch作者用3-way softmax分類目標(biāo)函數(shù)對(duì)SBERT進(jìn)行fine-tune，batch_size=16,采用Adam優(yōu)化器，learning rate=2e-5，pooling策略是MEAN。

三、評(píng)測(cè)-語(yǔ)義文本相似度(Semantic Textual Similarity-STS)

在評(píng)測(cè)的時(shí)候，這里采用余弦相似度來比較兩個(gè)句子向量的相似度。

1）無(wú)監(jiān)督STS

本次評(píng)測(cè)采用的是STS 2012-2016 五年的任務(wù)數(shù)據(jù)、STS benchmark數(shù)據(jù)(2017年構(gòu)建)、SICK-Relatedness數(shù)據(jù)，這些數(shù)據(jù)集都是標(biāo)好label的句子對(duì)，label表示句子之間的相互關(guān)系，范圍為0~5，樣例如下：

無(wú)監(jiān)督評(píng)測(cè)不采用這些數(shù)據(jù)集的任何訓(xùn)練數(shù)據(jù)，直接用上述訓(xùn)練好的模型來計(jì)算句子間的相似度，然后通過斯皮爾曼等級(jí)相關(guān)系數(shù)來衡量模型的優(yōu)劣。結(jié)果如下：

結(jié)果顯示直接采用BERT的輸出結(jié)果，效果挺差的,甚至不如直接計(jì)算GloVe嵌入向量的平均值效果好；采用本文的孿生網(wǎng)絡(luò)在NLI數(shù)據(jù)集上fine-tuning后的模型效果明顯要好很多，SBERT和SRoBERTa差異不大。

2）有監(jiān)督STS

有監(jiān)督STS數(shù)據(jù)集采用的是STS benchmark(簡(jiǎn)稱STSb)數(shù)據(jù)集，就是上面提到的2017年抽取構(gòu)建的，是當(dāng)前比較流行的有監(jiān)督STS數(shù)據(jù)集。它主要來自三個(gè)方面：字幕、新聞、論壇，包含8,628個(gè)句子對(duì)，訓(xùn)練集5,749，驗(yàn)證集1,500，測(cè)試集1,379。BERT將句子對(duì)同時(shí)輸入網(wǎng)絡(luò)，最后再接一個(gè)簡(jiǎn)單的回歸模型作為輸出，目前在此數(shù)據(jù)集上取得了SOTA的效果。

上述實(shí)驗(yàn)結(jié)果分為三塊：

not trained for STS:表示直接采用的是跟上面無(wú)監(jiān)督評(píng)測(cè)一樣的模型，結(jié)果也一樣；

Trained on STS benchmark:表示沒有使用NLI數(shù)據(jù)集，直接在STSb訓(xùn)練數(shù)據(jù)集上利用孿生網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建回歸模型fine-tuning；

Trained on NLI data+STS benchmark:表示利用孿生網(wǎng)絡(luò)先在NLI數(shù)據(jù)集上訓(xùn)練分類模型學(xué)習(xí)句子向量表示，然后在STSb訓(xùn)練集上再利用回歸模型再次學(xué)習(xí)句子embedding，相當(dāng)于利用兩種數(shù)據(jù)集進(jìn)行了兩次fine-tuning。

評(píng)測(cè)的時(shí)候都是采用的STSb的測(cè)試集進(jìn)行評(píng)測(cè)。可以看到，最后一種訓(xùn)練方式表現(xiàn)最好，尤其單純的BERT架構(gòu)有較大的提升幅度。

四、評(píng)測(cè)-SentEval

SentEval是一個(gè)當(dāng)前流行的用來評(píng)測(cè)句子embedding質(zhì)量的工具，這里句子embedding可以作為邏輯回歸模型的特征，從而構(gòu)建一個(gè)分類器，并在test集上計(jì)算其精度。這里利用SentEval工具在下面幾個(gè)遷移任務(wù)上對(duì)比SBERT與其它生成句子embedding的方法：

MR(movie review):電影評(píng)論片段的情感預(yù)測(cè),二分類

CR(product review):顧客產(chǎn)品評(píng)論的情感預(yù)測(cè)，二分類

SUBJ(subjectivity status):電影評(píng)論和情節(jié)摘要中句子的主觀性預(yù)測(cè)，二分類

MPQA(opinion-polarity):來自新聞網(wǎng)的短語(yǔ)級(jí)意見極性分類，二分類

SST(Stanford sentiment analysis):斯坦福情感樹庫(kù)，二分類

TREC(question-type classification)：來自TREC的細(xì)粒度問題類型分類，多分類

MRPC:Microsoft Research Paraphrase Corpus from parallel news sources，釋義檢測(cè)。

實(shí)驗(yàn)結(jié)果顯示，SBERT生成的句子向量似乎能夠很好捕獲情感信息，在MR、CR、SST上都有較大的提升；BERT在之前的STS數(shù)據(jù)集上表現(xiàn)比較差，但是在SentEval上卻有了不錯(cuò)的效果表現(xiàn)，這是因?yàn)镾TS數(shù)據(jù)集上利用余弦相似度衡量句子向量，余弦相似度對(duì)于向量的每一個(gè)維度都是同等的，然而SentEval是利用邏輯回歸分類器來評(píng)測(cè)，這樣某些維度會(huì)對(duì)最終的分類結(jié)果產(chǎn)生影響。

所以，BERT的直接輸出結(jié)果無(wú)論是CLS位置的還是平均embedding都不適合用來計(jì)算余弦相似度、曼哈頓距離和歐式距離。雖然BERT在SentEval上面表現(xiàn)稍微好一些，但是基于NLI數(shù)據(jù)集的SBERT還是達(dá)到了SOTA的效果。

五、消融研究

為了對(duì)SBERT的不同方面進(jìn)行消融研究，以便更好地了解它們的相對(duì)重要性，我們?cè)赟NLI和Multi-NLI數(shù)據(jù)集上構(gòu)建了分類模型，在STSb數(shù)據(jù)集上構(gòu)建了回歸模型。在pooling策略上，對(duì)比了MEAN、MAX、CLS三種策略；在分類目標(biāo)函數(shù)中，對(duì)比了不同的向量組合方式。結(jié)果如下:

在pooling策略上，MEAN效果最好；在向量組合模式上，只有在分類訓(xùn)練的時(shí)候才使用，結(jié)果顯示element-wise的|u-v|影響最大。

責(zé)任編輯：xj

原文標(biāo)題：Sentence-BERT: 一種能快速計(jì)算句子相似度的孿生網(wǎng)絡(luò)

文章出處：【微信公眾號(hào)：深度學(xué)習(xí)自然語(yǔ)言處理】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。