0. 前言
SimCSE是通过对比学习的方式缓解预训练模型的各向异性问题,各向异性的产生原因在上一篇文章中已有介绍。SimCSE是2021年出的,后面出的 embedding 模型几乎都使用了对比学习来缓解预训练语言模型的各向异性问题。前面介绍的几篇文章无一例外使用了对比学习。
1. 介绍
SimCSE(simple contrastive sentence embedding framework),意为简单的对比句向量表征框架。SimCSE的核心就是使用了对比学习的方法,从而提升对句子的表征能力。如今的预训练语言模型都会存在各向异性的问题,所以需要通过对比学习来加以缓解。下文主要介绍对比学习,SimCSE如何使用对比学习,以及为什么对比学习可以缓解各向异性的问题。
2. 对比学习背景
定义
对比学习就是以拉近相似数据,推开不相似数据为目标,有效地学习数据表征。给定一个pair对样本集合