【文本匹配】表示型模型

最新推荐文章于 2024-10-04 23:35:52 发布

guofei_fly

最新推荐文章于 2024-10-04 23:35:52 发布

阅读量2.2k

点赞数 5

分类专栏：自然语言处理文章标签：文本匹配

本文链接：https://blog.csdn.net/guofei_fly/article/details/107477540

版权

自然语言处理专栏收录该内容

18 篇文章 5 订阅

订阅专栏

基于表示的匹配模型的基本结构包括：

（1）嵌入层，即文本细粒度的嵌入表示；

（2）编码层，在嵌入表示的基础上进一步编码；

（3）表示层：获取各文本的向量表征；

（4）预测层：对文本pair的向量组进行聚合，从而进行文本关系的预测
在这里插入图片描述
对于对称的文本匹配任务，采用共享的编码器和文本表示DNNs无疑是合理的选择，从而也可以获取各文本在统一语义空间的表示方法。

基于表示的匹配模型结构紧凑，可变的花样并不多，主要集中在：

（1）如何更好的获取文本表征，即图中编码器和DNNs如何构造；

（2）如何更好的比较文本表征间的相似度。

这也是各典型模型主要的差异点，下面依次介绍这些典型模型：

1 DSSM及其变种

1.1 DSSM

Deep Structured Semantic Models（DSSM）是一种基于网络检索点击数据来获取query和title间语义相关性的模型，也是表示型匹配模型的鼻祖，其架构基本定义了后续各表示型匹配模型的基本范式。
在这里插入图片描述
DSSM主要的结构模块和要点包括：

（1）word hash：原始输入层为50w词汇构成的one-hot编码向量，为了保证训练的可行，本文提出了一种word hashing算法，通过对英文词进行n-letters的切分（如将word改写为#word#，采用3-letters切分为#wo,wor,ord,rd#），从而实现了term-level维度的压缩。word hash，类似于BPE，是一种常见的英文单词编码方式，但这种做法无法直接移植到中文embedding中；

（2）多层的MLP：表示层通过全连接的方式独立的对qurey和doc进行信息压缩和特征提取，最终得到句子和文档的语义表征；

（3）softmax预测层：DSSM损失函数的构造采用了list-wise rank的做法，采样得到一个正例和若干负例作为sample，通过计算query与doc语义表征的夹角余弦作为相似度logits，然后通过softmax进行归一化，最后通过MLE进行参数的学习。

DSSM的模型简单高效，采用海量点击曝光日志数据的监督学习进行训练，能够快速获取IR结果，但其存在如下不足：

（1）点击曝光日志并不能意味着着q-t间语义的近似程度，因此用起作为语义相似模型训练的依据是值得推敲的；

（2）期嵌入层简单采用了one-hot编码型式，忽略了语法和意义层面的表征；

（3）多层MLP的方式参数众多、形式单一，影响模型训练的效率;

（4）预测层仅仅通过夹角余弦的方式判断相似性，其表达能力稍弱。

1.2 CDSSM

针对DSSM在网络架构方面的局限性，后续提出了各种变种，首先介绍采用CNN进行表示的CDSSM模型：
在这里插入图片描述

CDSSM主要的结构模块和要点包括：

（1）嵌入层：在text sequence的首、尾添加了特殊的<s> token，以补充句子的边界特征，各token仍采用word hashing策略进行编码；

（2）编码层：采用n-gram的滑动窗口选取local term特征（原文直接拼接3-gram的向量表征，3*30k=90k）；

（3）表示层：卷积— >池化—>卷积的表示层编码器。具体而言：通过MLP将高维度的local term特征映射到低维特征，然后在sequence length维度进行max pooling，从而将变长的文本统一为相同长度的向量特征，借着再通过一个MLP进一步压缩特征维度，以此作为文本向量表征；

（4）预测层：与DSSM采取相同损失函数、相似度计算策略。

CDSSM在编码层采用n-gram获取滑动窗口内的上下文信息，在表示层采用全局最大池化获取全文的上下文信息，从而能更好的获取语义表征，但由于滑动窗口大小的限制，仍无法获得较长距离的上下文依赖关系。

1.3 LSTM-DSSM

LSTM-DSSM模型将DSSM中的MPL层替换为LSTM层，将最后一个token的隐藏层输出作为句子表征，模型其它的设定与DSSM和CDSSM类似，这里不加赘述。

在这里插入图片描述

1.4 MV-DSSM

Multi-View DSSM将DSSM推广到用户推荐领域，其保留了DSSM的模型架构，创新点在于将不同信息源在统一语义空间进行编码。

在这里插入图片描述

2. SiamCNN和SiamLSTM

前文提及对称的文本匹配任务中常采用共享的编码器和文本表示DNNs，SiamCNN和SiamLSTM就是针对QA问题分别采用CNN模块和LSTM模块的经典模型。

2.1 SiamCNN

SiamCNN的提出者针对表示型文本匹配模型的两个核心步骤，分别对比了大量的CNN双塔模型方案以及相似性计算的方法。

在CNN双塔模型方案中，共对比了如下6种方案：

（1）q-a分别采用单独的Hidden-Layer（MLP+tanh激活函数）+ 单独的CNN + 1-D最大池化

（2）q-a采用共享的Hidden-Layer（MLP+tanh激活函数）+ 共享的CNN + 1-D最大池化

（3）q-a采用共享的Hidden-Layer（MLP+tanh激活函数）+ 共享的CNN + 1-D最大池化 + 单独的Hidden-Layer

（4）q-a采用共享的Hidden-Layer（MLP+tanh激活函数）+ 共享的CNN + 1-D最大池化 + 共享的Hidden-Layer

（5）q-a采用共享的Hidden-Layer（MLP+tanh激活函数）+ 共享的CNN + 1-D最大池化 + 共享的CNN

（6）q-a采用共享的Hidden-Layer（MLP+tanh激活函数）+ 共享的CNN + 共享的CNN + Skip-Connection + 1-D最大池化 +

在文本向量相似度的计算中，共对比了如下9种方案：

（1）夹角余弦；（2）多项式核函数；（3）sigmoid核函数；（4）高斯核函数；（5）欧氏距离；（6）指数核函数；（7）曼哈顿距离；（8）GESD；（9）AESD

本文采用了pair-wise rank的损失计算方法，即一对正、负样本的Hinge Loss。在文章采用的数据集上，模型方案（2）取得最佳结果，而GESD和AESD的相似度计算方法表现更好。
在这里插入图片描述

2.2 SiamLSTM

SiamLSTM的提出者采用LSTM的文本表征，并直接以文本表示pair的 $e^{-|x_1-x_2|}$ 作为最终归一化的相似度结果。
在这里插入图片描述

3. ARC-I

ARC-I模型采用重复堆叠的"CNN+k-Pooling"获取相邻n-gram间的语义关系，最后通过MLP得到句子相似度。

在这里插入图片描述

4. Multi-view

Multi-view是一种适用于多轮对话匹配的表示型模型。

在这里插入图片描述

对于多轮对话文本，该模型采用了两种文本表示方案（因此被成为Multi View）：

（1）word-level的文本表示：对上下文utterance进行拼接，中间以特殊的 token划分，然后采用GRU模型取最后一个token的隐藏层输出作为整个文本的语义表征；

（2）utterance-level的文本表示：采用类似HAN的层级架构，首先利用CNN+1D Max-Pooling获取每个utterance的向量表示，然后再利用GRU结构获得上下文各utterance序列的最终语义表征。

同样的对response文本也进行如上的计算。分别对两个层级的文本表示利用一个sigmoid函数表示其相似度，两者之和即为最终的相似度。

5. InferSent

本文探究在NLI语料上采用什么样的模型能够更好的实现文本pair在同一语义空间的映射，从而可以实现下游任务的迁移学习。文章总结了Siamese结构的统一架构：

在这里插入图片描述

模型在文本pair的文本向量基础上，进行了更细致的相似度计算，即将文本向量、文本向量的点乘结果、文本向量差的绝对值等进行拼接（该方案最早鉴于交互型文本匹配模型ESIM），再进行MLP+softmax分类。

同时给出可用做表示层的各种特征抽取器：

（1）LSTM and GRU：采用单向LSTM/GRU隐藏层在最后一个token位置的输出向量；

（2）BiLSTM ：采用双向LSTM/GRU隐藏层在各自最后一个token位置的输出的拼接向量；

（3）BiLSTM with mean/max pooling：采用双向LSTM/GRU在各token位置隐藏层的输出拼接向量，然后取sequence length方向的max-pooling或者mean-pooling结果；

（4）Self-attentive network：定义若干组可学习的文本query向量参数（可视为multiple view），然后将BiLSTM在各token的隐藏层输出作为key和value向量，然后基于attention机制得到整个文本在各query作用下加权平均后的语义向量，最后进行拼接得到最终的语义向量；

（5）Hierarchical ConvNet：采用层次化的卷积层，即多层CNN+Max Pooling的迭加，每层中Max Pooling的输出作为文本语义向量的一种表征，最后将多层的向量进行拼接得到最终的语义向量；

本文横向对比了上述各种特征抽取器，结果显示在所采用的语料基础上采用BiLSTM with mean/max pooling的结果更适合迁移学习。