其他分享
首页 > 其他分享> > Sentence-BERT论文阅读笔记

Sentence-BERT论文阅读笔记

作者：互联网

目录


这次阅读笔记主要介绍SBERT的两篇相关论文，第一篇为2019年Nils Reimers团队首次提出SBERT的论文，第二篇为2020年Nils Reimers团队在SBERT上使用的数据增强策略的论文。

SBERT是目前实用性较好的Representation-based的文本匹配模型。SBERT采用了孪生网络的结构，可以输出定长的、保有语义信息的句向量，再通过余弦相似度、曼哈顿距离或欧式距离来计算其相似度。

在这里插入图片描述（思维导图内容来自李rumor：21个经典深度学习句间关系模型｜代码&技巧）

1. 第一篇论文《Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks》

在这里插入图片描述

1.1 论文基本信息

论文来源：
EMNLP-IJCNLP 2019
论文引用：
Reimers N , Gurevych I . Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks[C]// Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP). 2019.
论文链接：
https://arxiv.org/abs/1908.10084
code:
https://www.sbert.net/index.html
摘要：
BERT（Devlin et al.，2018）和RoBERTa（Liu et al.，2019）在句子对打分任务（如语义-文本相似性（STS））上取得了最佳性能。然而，这需要将两个句子都输入到网络中，这会造成巨大的计算开销。例如，在10000个句子的集合中找到最相似的句子对需要使用BERT进行大约5000万次推理计算（~65小时）。BERT的构造使得它不适用于语义相似性搜索以及聚类等无监督任务。

在本文中，我们提出了Sentence-BERT（SBERT），这是对预训练BERT网络的一种修改，它使用孪生网络（siamese）和三重网络结构（triplet network）来推导语义上有意义的句子嵌入，可以使用余弦相似性进行比较。这减少了寻找最相似配对的工作量，从使用BERT/RoBERTa的65小时减少到使用SBERT的约5秒，同时保持了BERT的准确性。

我们评估了SBERT和SRoBERTa在普通STS任务和迁移学习任务中的表现，其表现优于其它最先进的句子嵌入方法。

1.2 动机

解决聚类和语义搜索的一种常用方法是将每个句子映射到向量空间，使得语义相似的句子的向量在向量空间中距离相近。

研究人员已经开始将单个句子输入到BERT中，并导出固定大小的句子嵌入。最常用的方法是平均BERT输出层（称为BERT embeddings）或使用第一个token（[CLS]token）的输出。由于BERT本身的结构，这种方式得到的句子嵌入效果相当差，通常比使用GloVe词向量取平均得到的句子嵌入效果更差。

常规做法是将文本匹配转换成二分类任务。输入的两个文本拼接成一个序列（中间用特殊符号“SEP”分割），经过12层或24层Transformer模块编码后，将输出层的字向量取平均或者取“CLS”位置的特征作为句向量，经softmax完成最终分类。
在这里插入图片描述

从10,000条句子中找到最相似的一对句子，由于可能的组合众多，需要完成 n ( n − 1 ) / 2 = 49 , 995 , 000 n(n-1)/2 = 49,995,000 n(n−1)/2=49,995,000次推理。

在一块V100 GPU上使用BERT计算，将消耗65小时。

为了解决BERT输出的句子向量效果差\句子组合输入计算耗时太长的问题，本文提出了SBERT，采用了孪生网络的结构，可以输出定长的、保有语义信息的句向量。再通过余弦距离、曼哈顿距离或欧式距离来计算其相似度。

由于结构具有鲜明的对称性，就像两个孪生兄弟，所以下图这种神经网络结构被研究人员称作“Siamese Network”，即孪生网络。

图片
其中最能体现“孪生”的地方，在于网络具有相同的编码器（sentence encoder），即将文本转换为高维向量的部分。网络随后对两段文本的特征进行交互，最后完成分类/相似预测。“孪生网络”结构简单，训练稳定，是很多文本任务不错的baseline模型。

例如，现在我们有文本1和2，首先把它们分别输入 sentence encoder 进行特征提取和编码，将输入映射到新的空间得到特征向量u和v；最终通过u、v的拼接组合，经过下游网络来计算文本1和2的相似性。

整个过程有2个值得关注的点：

由于得到了句子的嵌入向量，对于前文提到的任务，只需要计算10000个句子的余弦相似度，再计算这10000个句子的词向量两两的余弦相似度。SBert仅需5秒就能完成！

使用预先训练好的BERT和RoBERTa网络，只对其进行微调，以产生有用的句子嵌入。这大大减少了所需的训练时间：SBERT可以在不到20分钟内调整，同时比类似的句子嵌入方法产生更好的结果。

1.3 模型

SBERT沿用了孪生网络的结构，文本Encoder部分用同一个BERT来处理。

SBERT在BERT/RoBERTa的输出中添加一个Pooling操作，以导出一个固定大小的句子嵌入。

常用的Pooling操作有：

为了微调BERT/RoBERTa，创建了孪生和三重网络以更新权重，从而使生成的句子嵌入具有语义意义，并且可以用余弦相似度进行比较。

同时使用了不同的目标函数进行训练。

在这里插入图片描述
W t ∈ R 3 n × k W_t \in R^{3n \times k} Wt​∈R3n×k, n n n为句子嵌入的维度， k k k为分类的标签数目

在这里插入图片描述

对于STS(Semantic Textual Similarity )任务，SOTA方法通常学习一个（复杂的）回归函数，将句子嵌入映射到相似性分数。然而，这些回归函数是成对工作的，并且由于组合数量爆炸( N 2 N^2 N2)，如果句子集合达到一定大小，这些函数通常是不可伸缩的。

在测试阶段，SBERT直接使用余弦相似度来衡量两个句向量之间的相似度，极大提升了推理速度。

在这里插入图片描述

1.4. 实验

1.4.1 训练所用的数据集

（1）SNLI语料库（1.0版）

https://nlp.stanford.edu/projects/snli/

是一个包含了57w条人工编写的英语句子对的集合，这些句子对经过手动标记以实现平衡分类，并带有蕴含，矛盾和中立（entailment, contradiction, and neutral.）标签，支持自然语言推理（NLI）的任务，也称为文本蕴含识别（textual entailment recognition）。
在这里插入图片描述
（2）Multi-Genre NLI

https://cims.nyu.edu/~sbowman/multinli/

Multi-Genre NLI是SNLI的升级版，格式一样，包含43w条英文句子对，不同之处是涵盖了口语和书面文本的一系列体裁，并支持独特的cross-genre transfer 评估

1.4.2 实验结果

测试数据：

无监督实验结果

在这里插入图片描述

通过计算句子嵌入的余弦相似度和测试数据给出的参考相似度标签之间的斯皮尔曼秩相关来评估模型。

斯皮尔曼等级相关系数（Spearman’s rank correlation coefficient）

它利用单调方程评价两个统计变量的相关性。若数据中没有重复值，且当两变量完全单调相关时，斯皮尔曼相关系数为 +1 或 −1 。

斯皮尔曼相关系数被定义成等级变量之间的皮尔逊相关系数。对于样本容量为n的样本，n个原始数据 X i , Y i X_i,Y_i Xi​,Yi​被转换成等级数据 x i , y i x_i,y_i xi​,yi​相关系数为
ρ = ∑ i ( x i − x ˉ ) ( y i − y ˉ ) ∑ i ( x i − x ˉ ) 2 ∑ i ( y i − y ˉ ) 2 \Large \rho ={\frac {\sum _{i}(x_{i}-{\bar {x}})(y_{i}-{\bar {y}})}{{\sqrt {\sum _{i}(x_{i}-{\bar {x}})^{2}\sum _{i}(y_{i}-{\bar {y}})^{2}}}}} ρ=∑i​(xi​−xˉ)2∑i​(yi​−yˉ​)2 ​∑i​(xi​−xˉ)(yi​−yˉ​)​

等级数据 x i , y i x_i,y_i xi​,yi​是每个原始数据的降序位置的平均。

变量降序位置（仅示意，不使用）降序位置的平均（使用）
0.855
1.24 4 + 3 2 = 3.5 \frac {4+3} {2} = 3.5 24+3​=3.5
1.23 4 + 3 2 = 3.5 \frac {4+3} {2} = 3.5 24+3​=3.5
2.322
1811

实际应用中，变量间的连结是无关紧要的，于是可以通过简单的步骤计算 ρ。

被观测的两个变量的等级的差值 d i = x i − y i d_i = x_i - y_i di​=xi​−yi​，则 ρ = 1 − 6 ∑ d i 2 n ( n 2 − 1 ) \Large \rho =1-{{\frac {6\sum d_{i}^{2}}{n(n^{2}-1)}}} ρ=1−n(n2−1)6∑di2​​

在这里插入图片描述
正的斯皮尔曼相关系数反应两个变量 X 和 Y 单调递增的趋势。

结果表明，直接使用BERT的输出会导致相当差的性能。平均BERT嵌入实现的平均相关性仅为54.81，并且使用[CLS]token输出仅实现29.19的平均相关性。两者都比计算平均Glove词向量的效果差。

使用本文所提出的孪生网络结构和微调机制显著提高了相关性，大大优于InferSent和USE。

SBERT的表现比USE差的唯一数据集是SICK-R。

有监督实验结果
进行两部分的实验，只在STSb数据集上训练和先在NLI数据集上训练，再在STSb数据集上训练。
在这里插入图片描述
可以发现，更多的训练数据，带来了效果上的提升。同时，BERT和RoBERTa之间没有显著的性能差异。

1.4.3 消融实验

首先评估不同的池化策略，其次对于分类目标函数，评估不同的u,v向量拼接策略。

对于分类目标函数，我们基于SNLI和多NLI数据集训练SBERT。

对于回归目标函数，我们在STS基准数据集的训练集上进行训练。

使用余弦相似性和斯皮尔曼秩相关在STSb的dev set上评估。

当在NLI数据集上使用分类目标函数训练时，池化策略的影响非常小，u,v向量拼接方式的影响要更大一些。最重要的部分是element-
wise difference: ∣ u − v ∣ |u-v| ∣u−v∣，度量两个句子嵌入的维度之间的距离，确保相似对更接近，而不同对更远离。

1.5 小结

抛开具体任务，SBERT 可以帮助我们生成更好的句向量，在一些任务上可能产生更优结果。在推理阶段，SBert直接计算余弦相似度的方式，大大缩短了预测时间，在语义检索、信息搜索等任务中预计会有不错表现。

2. 第二篇论文

在这里插入图片描述

2.1 论文基本信息

论文来源：
arXiv
论文引用：
Thakur N, Reimers N, Daxenberger J, et al. Augmented sbert: Data augmentation method for improving bi-encoders for pairwise sentence scoring tasks[J]. arXiv preprint arXiv:2010.08240, 2020.
论文链接：
https://arxiv.org/abs/2010.08240
code:
https://www.sbert.net/index.html
摘要：
句子对评分有两种方法：一是Cross-encoders，对输入对执行full-attention；二是Bi-encoders，将每个输入独立地映射到密集向量空间。虽然Cross-encoders通常可以获得更高的性能，但对于许多实际使用场景来说，它们的速度太慢了。另一方面，Bi-encoders需要大量的训练数据和针对目标任务的微调，使模型达到具有竞争力的性能。本文提出了一种简单而有效的数据增强策略，称为增强SBERT，其中我们使用Cross-encoders来标记一组数据更多的输入对，以增强Bi-encoders的训练数据。我们展示了，在这个过程中，选择句子对是非常重要的，也是该方法成功的关键。我们在多个领域内任务和一个领域自适应任务上评估我们的方法。与Bi-encoders性能相比，增强SBERT在领域内任务和领域自适应任务上分别提高了6个百分点和37个百分点。

2.2 动机

通常Cross-encoders的性能指标更佳，但是运行效率不高，同时因为不能为可索引的输入生成独立的向量表示。相反，bi-encoders如SBERT，可以对每个句子进行独立编码，并将其映射到稠密向量空间，允许高效的索引和比较。

下面是一个对比试验，用经过微调的cross-encoder(BERT)和经过微调的bi-encoder(SBERT)做对比，两种模型使用不同规模的训练数据在STSb数据集上的测试分数对比。

在这里插入图片描述
可以发现，当训练数据不足的时候，性能的差距最为明显。因此，本文提出了一种数据增强的方法，称为Augmented SBERT(AugSBERT)

2.3 模型

2.3.1 Augmented SBERT

给定一个经过预训练、性能良好的cross-encoder，我们根据特定的采样策略（稍后讨论）对句子对进行采样，并使用cross-encoder标记这些句子对。我们将这些弱标记的示例称为silver数据集，它们将与gold训练数据集合并。然后，我们在这个扩展的训练数据集上训练bi-encoder。我们将此模型称为Augmented SBERT(AugSBERT)。

在这里插入图片描述
句子对采样策略：

使用cross-encoder标记的新句子对可以是新数据，也可以重复使用gold训练集中的单个句子并重新组合。在我们的领域内实验中，我们重复使用来自gold训练集的句子。

因为 n n n个句子就有 n × ( n − 1 ) / 2 n \times (n-1)/2 n×(n−1)/2种可能的组合，选择正确的采样策略对性能提升是十分重要的。

2.3.2 Domain Adaptation with AugSBERT

我们期望SBERT在域外数据上有更好的表现。

SBERT无法将带有未见过的术语的句子映射到一个有语义含义的向量空间。

不幸的是，新领域的标记数据很少可用。

在这里插入图片描述

因此，我们评估了本文提出的数据增强策略在领域自适应任务上的表现：

  1. 在包含成对注释的源域上微调cross-encoder（BERT）。
  2. 在微调之后，我们使用这个微调的cross-encoder来标记目标域的数据。
  3. 一旦完成标记，我们就用标记的句子对训练bi-encoder（SBERT）。

2.4 实验

2.4.1 数据集

句子对评分可以分为回归和分类任务。回归任务分配一个分数来表示输入之间的相似性。对于分类任务，我们有不同的标签，例如，paraphrase和 non-paraphrase。

2.4.1.1 单领域数据集

在我们的单域（即域内）实验中，设置了如下任务：

句子对回归任务：

二元句子对分类任务

在这里插入图片描述

2.4.1.2 多领域数据集

将重复问题检测建模为问题与问题（标题/标题）二元分类任务。

下面四个数据集全部是重复问题检测的数据集，用来做领域自适应实验。

在这里插入图片描述
比率表示重复对（正）比非重复对（负）。

2.4.2 实验结果

领域内任务的训练结果
在这里插入图片描述
可以发现，AugSBERT在回归和分类任务上的表现均超过了SBERT，并且在某些数据集上甚至超过了作为性能上界的BERT(cross-encoder)

再来看看AugSBERT模型的迁移能力。Source代表源域，Target代表目标域，In-Domain中的SBERT表示直接用目标域的数据进行训练。
在这里插入图片描述
从实验结果中可以看出，同普通的SBERT模型相比，AugSBERT的模型迁移能力有较大提升，在多个任务上逼近了性能上限，特别当模型在Quora数据集上训练，在Sprint数据集上测试时，AugSBERT的效果甚至优于直接在Sprint数据集上训练的SBERT。

个人推测，实验结果与数据集的领域有较大关系。AskUbuntu，Sprint和 SuperUser均为来自技术社区论坛的数据集，而Quora数据集涉及的领域会更通用一些。 从实验结果中可以发现，如果SBERT在Quora数据集上训练，迁移到其它三个数据集上测试时，结果和瞎猜几无二致，而在另外三个数据集之间迁移的效果，并没有很糟糕。经过数据增强后，在Quora数据集上train出来的BERT能标注一些目标域的数据，AugSBERT还是“看到了”许多目标域的数据，因此提升较为明显。反之，在AskUbuntu，Sprint和 SuperUser数据集上trian出来的BERT，在标注Quora数据集时效果不佳，从实验结果中可以看出，向Quora数据集上迁移时，AugSBERT相比SBERT几乎没有提升。

标签：BERT,训练,Sentence,笔记,集上,SBERT,数据,句子
来源： https://blog.csdn.net/qq_39610915/article/details/120579894