寫在前面

今天分享給大家一篇NAACL2022論文，結(jié)合句子間差異的無監(jiān)督句子嵌入對比學(xué)習(xí)方法-DiffCSE，全名《DiffCSE: Difference-based Contrastive Learning for Sentence Embeddings》。該篇論文主要是在SimCSE上進(jìn)行優(yōu)化，通過ELECTRA模型的生成偽造樣本和RTD（Replaced Token Detection）任務(wù)，來學(xué)習(xí)原始句子與偽造句子之間的差異，以提高句向量表征模型的效果。

paper：https://arxiv.org/pdf/2204.10298.pdf
github：https://github.com/voidism/DiffCSE

介紹

句向量表征技術(shù)目前已經(jīng)通過對比學(xué)習(xí)獲取了很好的效果。而對比學(xué)習(xí)的宗旨就是拉近相似數(shù)據(jù)，推開不相似數(shù)據(jù)，有效地學(xué)習(xí)數(shù)據(jù)表征。SimCSE方法采用dropout技術(shù)，對原始文本進(jìn)行數(shù)據(jù)增強(qiáng)，構(gòu)造出正樣本，進(jìn)行后續(xù)對比學(xué)習(xí)訓(xùn)練，取得了較好的效果；并且在其實(shí)驗(yàn)中表明”dropout masks機(jī)制來構(gòu)建正樣本，比基于同義詞或掩碼語言模型的刪除或替換等更復(fù)雜的增強(qiáng)效果要好得多?！?。這一現(xiàn)象也說明，「直接增強(qiáng)（刪除或替換）往往改變句子本身語義」。

paper：https://aclanthology.org/2021.emnlp-main.552.pdf
github：https://github.com/princeton-nlp/SimCSE
論文解讀：https://zhuanlan.zhihu.com/p/452761704

Dangovski等人發(fā)現(xiàn)，在圖像上，采用不變對比學(xué)習(xí)和可變對比學(xué)習(xí)相互結(jié)合的方法可以提高圖像表征的效果。而采用不敏感的圖像轉(zhuǎn)換（如，灰度變換）進(jìn)行數(shù)據(jù)增強(qiáng)再對比損失來改善視覺表征學(xué)習(xí)，稱為「不變對比學(xué)習(xí)」。而「可變對比學(xué)習(xí)」，則是采用敏感的圖像轉(zhuǎn)換（如，旋轉(zhuǎn)變換）進(jìn)行數(shù)據(jù)增強(qiáng)的對比學(xué)習(xí)。如下圖所示，做左側(cè)為不變對比學(xué)習(xí)，右側(cè)為可變對比學(xué)習(xí)。對于NLP來說，「dropout方法」進(jìn)行數(shù)據(jù)增強(qiáng)為不敏感變化，采用「詞語刪除或替換等」方法進(jìn)行數(shù)據(jù)增強(qiáng)為敏感變化。

paper：https://arxiv.org/pdf/2111.00899.pdf

作者借鑒Dangovski等人在圖像上的做法，提出來「DiffCSE方法」，通過使用基于dropout masks機(jī)制的增強(qiáng)作為不敏感轉(zhuǎn)換學(xué)習(xí)對比學(xué)習(xí)損失和基于MLM語言模型進(jìn)行詞語替換的方法作為敏感轉(zhuǎn)換學(xué)習(xí)「原始句子與編輯句子」之間的差異，共同優(yōu)化句向量表征。

模型

模型如下圖所示，

左側(cè)為一個標(biāo)準(zhǔn)的SimCSE模型，右側(cè)為一個帶條件的句子差異預(yù)測模型。給定一個句子，SimCSE模型通過dropout機(jī)制構(gòu)造一個正例，使用BERT編碼器f，獲取句向量，SimCSE模型的訓(xùn)練目標(biāo)為：

其中，為訓(xùn)練輸入batch大小，為余弦相似度，為溫度參數(shù).

右側(cè)實(shí)際上是ELECTRA模型，包含生成器和判別器。給定一個長度為T的句子，，生成一個隨機(jī)掩碼序列，其中。使用MLM預(yù)訓(xùn)練語言模型作為生成器G，通過掩碼序列來生成句子中被掩掉的token，獲取生成序列。然后使用判別器D進(jìn)行替換token檢測，也就是預(yù)測哪些token是被替換的。其訓(xùn)練目標(biāo)為：

針對一個batch的訓(xùn)練目標(biāo)為。

最終將兩個loss通過動態(tài)權(quán)重將其結(jié)合，

為了使判別器D的損失可以傳播的編碼器f中，將句向量拼接到判別器D的輸入中，輔助進(jìn)行RTD任務(wù)，這樣做可以鼓勵編碼器f使信息量足夠大，從而使判別器D能夠區(qū)分和之間的微小差別。

當(dāng)訓(xùn)練DiffCSE模型時，固定生成器G參數(shù)，只有句子編碼器f和鑒別器D得到優(yōu)化。訓(xùn)練結(jié)束后，丟棄鑒別器D，只使用句子編碼器f提取句子嵌入對下游任務(wù)進(jìn)行評價。

結(jié)果&分析

在句子相似度任務(wù)以及分類任務(wù)上的效果，如下表1和表2所示，相比與SimCSE模型均有提高，

為了驗(yàn)證DiffCSE模型具體是哪個部分有效，進(jìn)行以下消融實(shí)驗(yàn)。

Removing Contrastive Loss

如表3所示，當(dāng)去除對比學(xué)習(xí)損失，僅采用RTD損失時，在句子相似度任務(wù)上，下降30%，在分類任務(wù)上下降2%。

Next Sentence vs. Same Sentence

如表3所示，當(dāng)將同句話預(yù)測任務(wù)，變成預(yù)測下句話任務(wù)時，在句子相似度任務(wù)和分類任務(wù)上，具有不同程度的下降。

Other Conditional Pretraining Tasks

DiffCSE模型采用MLM模型和LM模型分別作為生成器時，效果如表3所示，在句子相似度任務(wù)和分類任務(wù)上，具有不同程度的下降。句子相似度任務(wù)上下降的較為明顯。

Augmentation Methods: Insert/Delete/Replace

將MLM模型生成偽造句換成隨機(jī)插入、隨機(jī)刪除或隨機(jī)替換的效果，如表示所4，MLM模型的效果綜合來說較為優(yōu)秀。

Pooler Choice

在SimCSE模型中，采用pooler層（一個帶有tanh激活函數(shù)的全連接層）作為句子向量輸出。該論文實(shí)驗(yàn)發(fā)現(xiàn)，采用帶有BN的兩層pooler效果更為突出，如表5所示；并發(fā)現(xiàn)，BN在SimCSE模型上依然有效。

代碼如下：

classProjectionMLP(nn.Module):
def__init__(self,config):
super().__init__()
in_dim=config.hidden_size
hidden_dim=config.hidden_size*2
out_dim=config.hidden_size
affine=False
list_layers=[nn.Linear(in_dim,hidden_dim,bias=False),
nn.BatchNorm1d(hidden_dim),
nn.ReLU(inplace=True)]
list_layers+=[nn.Linear(hidden_dim,out_dim,bias=False),
nn.BatchNorm1d(out_dim,affine=affine)]
self.net=nn.Sequential(*list_layers)

defforward(self,x):
returnself.net(x)

Size of the Generator

在DiffCSE模型中，嘗試了不同大小的生成器G，如下表所示，DistilBERTbase模型效果最優(yōu)。并且發(fā)現(xiàn)與原始ELECTRA模型的結(jié)論不太一致。原始ELECTRA認(rèn)為生成器的大小在判別器的1/4到1/2之間效果是最好的，過強(qiáng)的生成器會增大判別器的難度。而DiffCSE模型由于融入了句向量，導(dǎo)致判別器更容易判別出token是否被替換，所以生成器的生成能力需要適當(dāng)提高。

Masking Ratio

對于掩碼概率，經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)，在掩碼概率為30%時，模型效果最優(yōu)。

Coefficient λ

針對兩個損失之間的權(quán)重值，經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)，對比學(xué)習(xí)損失為RTD損失200倍時，模型效果最優(yōu)。

總結(jié)

個人覺得這篇論文的主要思路還是通過加入其他任務(wù)，來增強(qiáng)句向量表征任務(wù)，整體來說挺好的。但是該方法如何使用到監(jiān)督學(xué)習(xí)數(shù)據(jù)上，值得思考，歡迎留言討論。