文本匹配是自然語(yǔ)言處理領(lǐng)域一個(gè)基礎(chǔ)且重要的方向，一般研究?jī)啥挝谋局g的關(guān)系。文本相似度、自然語(yǔ)言推理、問(wèn)答系統(tǒng)、信息檢索都可以看作針對(duì)不同數(shù)據(jù)和場(chǎng)景的文本匹配應(yīng)用。

本文總結(jié)了文本匹配任務(wù)中的經(jīng)典網(wǎng)絡(luò)Siamse Network，它和近期預(yù)訓(xùn)練語(yǔ)言模型的組合，一些調(diào)優(yōu)技巧以及在線(xiàn)下數(shù)據(jù)集上的效果檢驗(yàn)。

Siamese 孿生網(wǎng)絡(luò)

在正式介紹前，我們先來(lái)看一個(gè)有趣的故事。

孿生網(wǎng)絡(luò)的由來(lái)

“Siamese”中的“Siam”是古時(shí)泰國(guó)的稱(chēng)呼，中文譯作暹羅，所以“Siamese”就是指“暹羅”人或“泰國(guó)”人。“Siamese”在英語(yǔ)中同時(shí)表示“孿生”，這又是為什么呢？

十九世紀(jì)，泰國(guó)出生了一對(duì)連體嬰兒“恩”和“昌”，當(dāng)時(shí)的醫(yī)學(xué)技術(shù)無(wú)法使他們分離出來(lái)，于是兩人頑強(qiáng)地生活了一生。

1829年他們被英國(guó)商人發(fā)現(xiàn)，進(jìn)入馬戲團(tuán)，在全世界各地演出。1839年他們?cè)L問(wèn)美國(guó)北卡羅萊那州成為“玲玲馬戲團(tuán)” 的臺(tái)柱，最后成為美國(guó)公民。1843年4月13日跟英國(guó)一對(duì)姐妹結(jié)婚，恩生了10個(gè)小孩，昌生了12個(gè)。1874年，兩人因病均于63歲離開(kāi)了人間。他們的肝至今仍保存在費(fèi)城的馬特博物館內(nèi)。

從此之后，“暹羅雙胞胎”（Siamese twins）就成了連體人的代名詞，也因?yàn)檫@對(duì)雙胞胎全世界開(kāi)始重視這項(xiàng)特殊疾病。

孿生網(wǎng)絡(luò)

由于結(jié)構(gòu)具有鮮明的對(duì)稱(chēng)性，就像兩個(gè)孿生兄弟，所以下圖這種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)被研究人員稱(chēng)作“Siamese Network”，即孿生網(wǎng)絡(luò)。

其中最能體現(xiàn)“孿生”的地方，在于網(wǎng)絡(luò)具有相同的編碼器（sentence encoder），即將文本轉(zhuǎn)換為高維向量的部分。網(wǎng)絡(luò)隨后對(duì)兩段文本的特征進(jìn)行交互，最后完成分類(lèi)/相似預(yù)測(cè)。“孿生網(wǎng)絡(luò)”結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練穩(wěn)定，是很多文本任務(wù)不錯(cuò)的baseline模型。

孿生網(wǎng)絡(luò)的具體用途是衡量?jī)蓚€(gè)輸入文本的相似程度。

例如，現(xiàn)在我們有文本1和2，首先把它們分別輸入 sentence encoder 進(jìn)行特征提取和編碼，將輸入映射到新的空間得到特征向量u和v；最終通過(guò)u、v的拼接組合，經(jīng)過(guò)下游網(wǎng)絡(luò)來(lái)計(jì)算文本1和2的相似性。

整個(gè)過(guò)程有2個(gè)值得關(guān)注的點(diǎn)：

在訓(xùn)練和測(cè)試中，模型的編碼器是權(quán)重共享的（“孿生”）；編碼器的選擇非常廣泛，傳統(tǒng)的CNN、RNN和Attention、Transformer都可以

得到特征u、v后，可以直接使用cosine距離、歐式距離得到兩個(gè)文本的相似度；不過(guò)更通用的做法是，基于u和v構(gòu)建用于匹配兩者關(guān)系的特征向量，然后用額外的模型學(xué)習(xí)通用的文本關(guān)系映射；畢竟我們的場(chǎng)景不一定只是衡量相似度，可能還有問(wèn)答、蘊(yùn)含等復(fù)雜任務(wù)

????????三連體網(wǎng)絡(luò)????????

基于孿生網(wǎng)絡(luò)，還有人提出了 Triplet network 三連體網(wǎng)絡(luò)。顧名思義，輸入由三部分組成，文本1，和1相似的文本2，和1不相似的文本3。

訓(xùn)練的目標(biāo)非常樸素，期望讓相同類(lèi)別間的距離盡可能的小，讓不同類(lèi)別間的距離盡可能的大，即減小類(lèi)內(nèi)距，增大類(lèi)間距。

Sentence-BERT

自從2018年底Bert等預(yù)訓(xùn)練語(yǔ)言模型橫空出世，NLP屆的游戲規(guī)則某種程度上被大幅更改了。在計(jì)算資源允許的條件下，Bert成為解決很多問(wèn)題的首選。甚至有時(shí)候拿Bert跑一跑baseline，發(fā)現(xiàn)問(wèn)題已經(jīng)解決了十之八九。

但是Bert的缺點(diǎn)也很明顯，1.1億參數(shù)量使得推理速度明顯比CNN等傳統(tǒng)網(wǎng)絡(luò)慢了不止一個(gè)量級(jí)，對(duì)資源要求更高，也不適合處理某些任務(wù)。

例如，從10,000條句子中找到最相似的一對(duì)句子，由于可能的組合眾多，需要完成49,995,000次推理；在一塊現(xiàn)代V100GPU上使用Bert計(jì)算，將消耗65小時(shí)。

考慮到孿生網(wǎng)絡(luò)的簡(jiǎn)潔有效，有沒(méi)有可能將它和Bert強(qiáng)強(qiáng)聯(lián)合呢？

當(dāng)然可以，這正是論文《Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks》的工作，首次提出了Sentence-Bert模型（以下簡(jiǎn)稱(chēng)SBert）。

SBert在眾多文本匹配工作中（包括語(yǔ)義相似性、推理等）都取得了最優(yōu)結(jié)果。更讓人驚訝的是，前文所述的從10,000條句子尋找最相似pair任務(wù)，SBert僅需5秒就能完成！

基于BERT的文本匹配

讓我們簡(jiǎn)短回顧此前Bert是怎么處理文本匹配任務(wù)的。

常規(guī)做法是將匹配轉(zhuǎn)換成二分類(lèi)任務(wù)。輸入的兩個(gè)文本拼接成一個(gè)序列（中間用特殊符號(hào)“SEP”分割），經(jīng)過(guò)12層或24層Transformer模塊編碼后，將輸出層的字向量取平均或者取“CLS”位置的特征作為句向量，經(jīng)softmax完成最終分類(lèi)。

但是論文作者 Nils Reimers 在實(shí)驗(yàn)中指出，這樣的做法產(chǎn)生的結(jié)果并不理想（至少在處理語(yǔ)義檢索和聚類(lèi)問(wèn)題時(shí)是如此），甚至比Glove詞向量取平均的效果還差。

基于S-BERT的文本匹配

為了讓Bert更好地利用文本信息，作者們?cè)谡撐闹刑岢隽巳缦碌腟Bert模型。是不是非常眼熟？對(duì)，這不就是之前見(jiàn)過(guò)的孿生網(wǎng)絡(luò)嘛！

SBert沿用了孿生網(wǎng)絡(luò)的結(jié)構(gòu)，文本Encoder部分用同一個(gè)Bert來(lái)處理。之后，作者分別實(shí)驗(yàn)了CLS-token和2種池化策略（Avg-Pooling、Mean-Pooling），對(duì)Bert輸出的字向量進(jìn)一步特征提取、壓縮，得到u、v。關(guān)于u、v整合，作者提供了3種策略：

針對(duì)分類(lèi)任務(wù)，將u、v拼接，接入全連接網(wǎng)絡(luò)，經(jīng)softmax分類(lèi)輸出；損失函數(shù)用交叉熵

直接計(jì)算、輸出余弦相似度；訓(xùn)練損失函數(shù)采用均方根誤差

如果輸入的是三元組，論文種也給出了相應(yīng)的損失函數(shù)

總的來(lái)說(shuō)，SBert直接用Bert的原始權(quán)重初始化，在具體數(shù)據(jù)集上微調(diào)，訓(xùn)練過(guò)程和傳統(tǒng)Siamse Network差異不大。

但是這種訓(xùn)練方式能讓Bert更好的捕捉句子之間的關(guān)系，生成更優(yōu)質(zhì)的句向量。在測(cè)試階段，SBert直接使用余弦相似度來(lái)衡量?jī)蓚€(gè)句向量之間的相似度，極大提升了推理速度。

實(shí)驗(yàn)為證

作者在7個(gè)文本匹配相關(guān)的任務(wù)中做了對(duì)比實(shí)驗(yàn)，結(jié)果在其中5個(gè)任務(wù)上，SBert都有更優(yōu)表現(xiàn)。

作者還做了一些有趣的消融實(shí)驗(yàn)。

使用NLI和STS為代表的匹配數(shù)據(jù)集，在分類(lèi)目標(biāo)函數(shù)訓(xùn)練時(shí)，作者測(cè)試了不同的整合策略，結(jié)果顯示“(u, v, |u-v|)”的組合效果最好。這里面最重要的部分是元素差：（|u - v|)。句向量之間的差異度量了兩個(gè)句子嵌入維度間的距離，確保相似的pair更近，不同的pair更遠(yuǎn)。

文章最后，作者將SBert和傳統(tǒng)方????法做了對(duì)比。

SBert的計(jì)算效率要更高。其中的smart-batching是一個(gè)小技巧。先將輸入的文本按長(zhǎng)度排序，這樣同一個(gè)mini-batch的文本長(zhǎng)度更加統(tǒng)一，padding時(shí)能顯著減少填充的token。

線(xiàn)下實(shí)測(cè)

我們將SBert模型在天池—新冠疫情相似句對(duì)判定比賽數(shù)據(jù)集上做了測(cè)試。經(jīng)數(shù)據(jù)增強(qiáng)后，線(xiàn)下訓(xùn)練集和驗(yàn)證集分別是13,500和800條句子組合。預(yù)訓(xùn)練模型權(quán)重選擇BERT_large。

最終SBert單模型在驗(yàn)證集上的準(zhǔn)確率是95.7%。直接使用Bert微調(diào)準(zhǔn)確率為95.2%。

小結(jié)

本文介紹了文本匹配任務(wù)中常用的孿生網(wǎng)絡(luò)，和在此基礎(chǔ)上改進(jìn)而來(lái)的Sentence-BERT模型。

Siamse Network 簡(jiǎn)潔的設(shè)計(jì)和平穩(wěn)高效訓(xùn)練非常適合作為文本匹配任務(wù)的baseline模型。SBert則充分利用了孿生網(wǎng)絡(luò)的優(yōu)點(diǎn)和預(yù)訓(xùn)練模型的特征抽取優(yōu)勢(shì)，在眾多匹配任務(wù)上取得了最優(yōu)結(jié)果。

拋開(kāi)具體任務(wù)，SBert 可以幫助我們生成更好的句向量，在一些任務(wù)上可能產(chǎn)生更優(yōu)結(jié)果。在推理階段，SBert直接計(jì)算余弦相似度的方式，大大縮短了預(yù)測(cè)時(shí)間，在語(yǔ)義檢索、信息搜索等任務(wù)中預(yù)計(jì)會(huì)有不錯(cuò)表現(xiàn)。同時(shí)，得益于生成的高質(zhì)量句嵌入特征，SBert也非常適合做文本聚類(lèi)、新FAQ發(fā)現(xiàn)等工作。

責(zé)任編輯：lq