Sentence Bert 阅读笔记

论文

https://arxiv.org/abs/1908.10084

Supervised / Unsupervised / Semi-supervised

从训练上看，是 Supervised / Unsupervised 两种结合

Model Structure

本文提出了两个architecture，一个用于文本的分类，一个用于句子相似度的计算

这里的两个BERT，实际上可以理解成同一个BERT，在实现上，完全可以只实现一个。

Pooling层

一共有3种操作：

1. 取CLS的输出
2. 取所有token输出的平均
3. 取每个维度上所有token的最大值

Loss Function

本文一共提出了三个 loss function

1. Classification Objective Function. 拼接 u, v, 元素之间的差值 |u - v|，三者都是 1 * n 的，拼接之后成为 1*3n。再与一个可学习参数矩阵 Wt ∈ 3n*k 相乘，得到一个 1*k 的矩阵，其中 k 是类别数。再做 softmax ，得到最终的类别。再用 交叉熵损失函数 做优化。如图1。
2. Regression Objective Function. 对 u, v 做 cosine 相似度计算，再将结果做MSE。
3. Triplet Objective Function. 这个函数的训练是无监督的。不需要有 label 来做。其 X 是三个句子，包括锚定句子a，正例句子p，负例句子n。具体到情感分析上，可以是两个消极句子和一个积极句子，也可使两个积极句子和一个消极句子。经过 BERT 得到三个句向量，并最小化下面的函数。最小化下面的式子等同于希望 a 和 p 更接近，而离 n 更远。但是为了 a 离他们同样近的时候，还能够被优化，引入了 ε ，||*|| 是距离度量，文中采用的距离度量是欧氏距离，并且 ε 为1。
   

拓展

Sentence GPT

在12层的时候，SGPT 125M 的性能和 SBERT 110M 比较接近，在24层之后，SGPT 1.3B 的性能优于 SBERT 340M 。