对比学习在语义表征中的应用：SBERT/SimCSE/ConSERT/ESimCSE复现

本篇博文主要比较目前常用的Sentence Embedding方法，包括双塔模型SBERT，对比学习SimCSE、ConSERT、ESimCSE，这里谈谈论文里的细节，以及本人在中文语料（Chinese-SNLI、Chinese-STS-B）复现后的结果。

 

部分方法在半年前已复现过,但最近研究了sentence_transformers库的源码，发现竟然提供了对比学习的损失函数，在此基础上做二次开发，方便了不少，因此重新改了下代码，做了新的实验，使用用的base model均为macbert base。

1. SBERT

论文链接：《Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks》

当损失函数是softmax时，论文里提到把u，v，|u-v|拼接起来后接分类层效果是最好的，其实sbert库SoftmaxLoss也是默认采用这种做法，但做inference的时候，sbert还是默认拿mean pooling后的向量做后续相似度计算

• SBERT采用哪种Pooling策略，论文实现过，MEAN效果是最好的

• 论文中，Unsupervised STS指用NLI数据集（包括SNLI和MultiNLI）做softmax有监督训练后，在STS中的测试效果，论文中效果如下，下表显示的是在STS test集中的表现

本人用中文语料复现，但只采用了Chinese-SNLI，然后在中文的STS-B上测效果，训练参数为max_len=64，batch_size=64， learning rate=2e-5，保存dev集上表现最好的模型，再用test集做测试。

	STS-B dev	STS-B test
SBERT(SNLI)	0.7440	0.7241

论文中，Supervised STS，是采用NLI和STSb做有监督训练，其中NLI用softmax损失，STSb用regression损失，然后在STSb test集的效果如下

本人复现只用了STS-B训练集做训练，效果如下

	STS-B dev	STS-B test
SBERT(STS-B)	0.8210	0.7769

2. SimCSE

论文链接：《SimCSE: Simple Contrastive Learning of Sentence Embeddings》

陈丹奇团队的作品，去年3月份挂在arxiv，被2021年EMNLP接受。

• alignment和uniformity，SimCSE能在提高uniformity的同时，通过dropout构建的正样本对来避免alignment的下降

• 论文中，Unsupervised SimCSE是用wiki百科的100W个句子做的，下图是效果，展示的是STS test集

本人复现直接拿STS的数据作为训练语料，试验发现dropout取为0.1、0.2、0.3效果都差不多（最后还是沿用论文里，里，采用0.1），不同于SBERT的mean pooling，用CLS token作为向量更好（论文里是说训练时CLS后接MLM，预测时用CLS的输出作为向量，不过感觉相差不了太多，所以这里实验直接用CLS）

	STS-B dev	STS-B test
SimCSE	0.7655	0.7191

论文中的Supervised SimCSE是用改造后的NLI数据集训练的，结果如下，本人没有复现这个。

3. ConSERT

论文链接：《ConSERT: A Contrastive Framework for Self-Supervised Sentence Representation Transfer》

美团发表在2021年ACL会议的论文，这篇论文主要介绍对比学习应用在NLP语义计算中的通用框架，作为了解对比学习在语义向量中的应用是十分不错的入门文章。

• 提出四种做positive pair的方式，其中adversarial attack需要结合有监督训练，无监督部分，论文里发现feature cutoff与token shuffling结合是最好的

• Unsupervised部分如下，不同于SimCSE用wiki百度的语料做无监督，这里的ConSERT直接用STS的语料做无监督训练

在本人复现的过程，实现了shuffle和token cutoff，其中token cutoff用一种近似的方法来实现，原论文代码是在transofrmers库上做的二次开发，cutoff作用在embedding层，而本人复现的时候对某些position的attention mask取为0来近似代替token cutoff，其中cutoff rate=0.15，训练时关闭dropout，复现结果如下

	STS-B dev	STS-B test
ConSERT	0.7835	0.7248

• Supervised部分如下，作者发现先joint联合训练（论文中用NLI有监督和STS无监督），然后用Unsupervised微调是效果最好的。

4. ESimCSE

论文链接：《ESimCSE: Enhanced Sample Building Method for Contrastive Learning of Unsupervised Sentence Embedding》

去年9月份挂在arvix上的一篇论文

• 论文里，首先指出Unsup-SimCSE的一个缺点，模型会倾向认为同样长度的句子对相似度更高，因此，论文提出采用repetition的方式来生成positive pair

为何采用repetition？起码它不会更改语义，如句子““I like this apple because it looks so fresh and I think it”

• insertion：“I don’t like this apple because but it looks so not fresh and I think it should be dog delicious.”

• deletion：“I this apple be- cause it looks so and I think it should be.”

• repetitiion：“I like like this apple because it looks so so fresh and and I think it should be delicious.”

只有repetition没有改变语义。

• 引入momentum contrast机制，让每个step的负样本能尽可能多，具体的，维护一个队列，这个队列会存储上几个step中出现过的sentence embedding作为当前step的负样本，此外，这个队列中的embedding都用一个momentum encoder来生成，而这个momentum encoder的参数是通过动量更新的，这样的好处是，每轮新加入队列的embedding差异都尽可能少？

• 论文结果如下，dup_rate=0.32效果最好，队列大小也不能太大，取为batch_size的2.5倍是最好的

本人复现时，batch_size=50，dup_rate=0.32，队列大小q=150

	STS-B dev	STS-B test
ESimCSE	0.7882	0.7181

5. 总结

最后，用一张表把效果罗列一起，

	STS-B dev	STS-B test
SBERT(SNLI)	0.7440	0.7241
SBERT(STS-B)	0.8210	0.7769
SimCSE	0.7655	0.7191
ConSERT	0.7835	0.7248
EsimCSE	0.7882	0.7181

个人体会是

• 实质上，没有一种对比学习的方法能超过SBERT直接用sbs数据集做fine tuning的效果，那些说超过supervised SBERT的论文其实只是跟用NLI数据集做训练的SBERT来比较的。因此可以看到，有监督训练还是王道呢~

• 最后，没有所谓的SOTA，要明白论文及复现里的测试集都是STS，而落到实际业务中，每一个场景都有自己的特点，应该根据场景的特点去制作positive pair和思考怎么做hard negative样本，以及选择何种训练方法，当制作的数据集和训练方法越接近任务时，模型的效果自然越好。

复现参考：

1. https://github.com/UKPLab/sentence-transformers

2. https://github.com/yym6472/ConSERT

3. https://github.com/xianghuisun/nlp-basictasks/blob/main/STS-B.ipynb

  实验代码全部汇总在：

           https://github.com/zhoujx4/NLP-Series-sentence-embeddings