文本匹配是自然語言處理領(lǐng)域一個基礎(chǔ)且重要的方向，一般研究兩段文本之間的關(guān)系。文本相似度、自然語言推理、問答系統(tǒng)、信息檢索都可以看作針對不同數(shù)據(jù)和場景的文本匹配應用。

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

Siamese 孿生網(wǎng)絡

在正式介紹前，我們先來看一個有趣的故事。

孿生網(wǎng)絡的由來

“Siamese”中的“Siam”是古時泰國的稱呼，中文譯作暹羅，所以“Siamese”就是指“暹羅”人或“泰國”人。“Siamese”在英語中同時表示“孿生”，這又是為什么呢？

十九世紀，泰國出生了一對連體嬰兒“恩”和“昌”，當時的醫(yī)學技術(shù)無法使他們分離出來，于是兩人頑強地生活了一生。

1829年他們被英國商人發(fā)現(xiàn)，進入馬戲團，在全世界各地演出。1839年他們訪問美國北卡羅萊那州成為“玲玲馬戲團” 的臺柱，最后成為美國公民。1843年4月13日跟英國一對姐妹結(jié)婚，恩生了10個小孩，昌生了12個。1874年，兩人因病均于63歲離開了人間。他們的肝至今仍保存在費城的馬特博物館內(nèi)。

從此之后，“暹羅雙胞胎”（Siamese twins）就成了連體人的代名詞，也因為這對雙胞胎全世界開始重視這項特殊疾病。

孿生網(wǎng)絡

由于結(jié)構(gòu)具有鮮明的對稱性，就像兩個孿生兄弟，所以下圖這種神經(jīng)網(wǎng)絡結(jié)構(gòu)被研究人員稱作“Siamese Network”，即孿生網(wǎng)絡。

其中最能體現(xiàn)“孿生”的地方，在于網(wǎng)絡具有相同的編碼器（sentence encoder），即將文本轉(zhuǎn)換為高維向量的部分。網(wǎng)絡隨后對兩段文本的特征進行交互，最后完成分類/相似預測。“孿生網(wǎng)絡”結(jié)構(gòu)簡單，訓練穩(wěn)定，是很多文本任務不錯的baseline模型。

孿生網(wǎng)絡的具體用途是衡量兩個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u、v的拼接組合，經(jīng)過下游網(wǎng)絡來計算文本1和2的相似性。

整個過程有2個值得關(guān)注的點：

在訓練和測試中，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、歐式距離得到兩個文本的相似度；不過更通用的做法是，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習通用的文本關(guān)系映射；畢竟我們的場景不一定只是衡量相似度，可能還有問答、蘊含等復雜任務

????????三連體網(wǎng)絡????????

基于孿生網(wǎng)絡，還有人提出了 Triplet network 三連體網(wǎng)絡。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。

訓練的目標非常樸素，期望讓相同類別間的距離盡可能的小，讓不同類別間的距離盡可能的大，即減小類內(nèi)距，增大類間距。

Sentence-BERT

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

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

例如，從10,000條句子中找到最相似的一對句子，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計算，將消耗65小時。

考慮到孿生網(wǎng)絡的簡潔有效，有沒有可能將它和Bert強強聯(lián)合呢？

當然可以，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（以下簡稱SBert）。

SBert在眾多文本匹配工作中（包括語義相似性、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，SBert僅需5秒就能完成！

基于BERT的文本匹配

讓我們簡短回顧此前Bert是怎么處理文本匹配任務的。

常規(guī)做法是將匹配轉(zhuǎn)換成二分類任務。輸入的兩個文本拼接成一個序列（中間用特殊符號“SEP”分割），經(jīng)過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。

但是論文作者 Nils Reimers 在實驗中指出，這樣的做法產(chǎn)生的結(jié)果并不理想（至少在處理語義檢索和聚類問題時是如此），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，作者們在論文中提出了如下的SBert模型。是不是非常眼熟？對，這不就是之前見過的孿生網(wǎng)絡嘛！

SBert沿用了孿生網(wǎng)絡的結(jié)構(gòu)，文本Encoder部分用同一個Bert來處理。之后，作者分別實驗了CLS-token和2種池化策略（Avg-Pooling、Mean-Pooling），對Bert輸出的字向量進一步特征提取、壓縮，得到u、v。關(guān)于u、v整合，作者提供了3種策略：

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

直接計算、輸出余弦相似度；訓練損失函數(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的損失函數(shù)

總的來說，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)，訓練過程和傳統(tǒng)Siamse Network差異不大。

但是這種訓練方式能讓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。在測試階段，SBert直接使用余弦相似度來衡量兩個句向量之間的相似度，極大提升了推理速度。

實驗為證

作者在7個文本匹配相關(guān)的任務中做了對比實驗，結(jié)果在其中5個任務上，SBert都有更優(yōu)表現(xiàn)。

作者還做了一些有趣的消融實驗。

使用NLI和STS為代表的匹配數(shù)據(jù)集，在分類目標函數(shù)訓練時，作者測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句子嵌入維度間的距離，確保相似的pair更近，不同的pair更遠。

文章最后，作者將SBert和傳統(tǒng)方????法做了對比。

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

線下實測

我們將SBert模型在天池—新冠疫情相似句對判定比賽數(shù)據(jù)集上做了測試。經(jīng)數(shù)據(jù)增強后，線下訓練集和驗證集分別是13,500和800條句子組合。預訓練模型權(quán)重選擇BERT_large。

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

小結(jié)

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

Siamse Network 簡潔的設計和平穩(wěn)高效訓練非常適合作為文本匹配任務的baseline模型。SBert則充分利用了孿生網(wǎng)絡的優(yōu)點和預訓練模型的特征抽取優(yōu)勢，在眾多匹配任務上取得了最優(yōu)結(jié)果。

拋開具體任務，SBert 可以幫助我們生成更好的句向量，在一些任務上可能產(chǎn)生更優(yōu)結(jié)果。在推理階段，SBert直接計算余弦相似度的方式，大大縮短了預測時間，在語義檢索、信息搜索等任務中預計會有不錯表現(xiàn)。同時，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、新FAQ發(fā)現(xiàn)等工作。

責任編輯：lq