Whitening Sentence Representations for Better Semantics and Faster Retrieval论文学习

一、总结

二、详细

1. abstract

sentence语义表达非常重要，但是直接用bert来做embedding效果比较差，如果来做呢？基于flow的方式有了不少的提升，本文发现传统的whitening操作的方式对sentence的语义表达也有着非常大的提升，实验表明，whitening方法还能给embedding进行降维并显著的提升检索的速度。

2. introducton

预训练提取到的sentence中word的表达不是各向同性的，造成直接计算cosine相似度效果不好，bert预训练有两个问题导致embedding效果有问题，一个是词频使embedding带有偏见，另一个是低频词的空间表达非常稀疏，导致不能直接用cosine或者dot product来计算。
改进：
• 1. bert-flow，通过高斯flow将bert的句子表达转化成一个各向同性的表达。
• 2. 本文：
• 不用做额外的训练，只需要一个whitening后处理就可以解决各项异性的问题
• 提出来降维的方法，减少计算量
贡献：
• 1.几个数据集，可以看到本文的方法可以达到state-of-the-art
• 2.降维操作也可以提升效果，并且提升检索速度

3. related work

1. 早期解决各向异性的方法，先找到主方向，再把embedding往这个主方向上靠。
2. 18年有篇文章是消除主方向和均值的影响，来提升embedding的表达。
3. 19年有篇文章是对word matrix做正则化来降低各向异性。
4. 19年有篇文章发现bert，elmo等预训练模型的高层的特异性更强，底层的embedding要弱一些，bert-flow就是沿着这个思想使其表达更平滑。
5. 还有poly-encoder，siamese等方法

4. out approach

1. cosine计算相似度的时候，要坐标轴是标准正交基才有意义，bert求出来的embedding不是。
2. 均值为0的协方差矩阵 vs 标准正交分布
3. 具体方法：x_std = (x-u)w
   a. 其中u为平均值，减去平均值比较好操作
   b. w为矩阵，重点是求这个转换矩阵将原来的句子转化成一个单位矩阵?x_std?
   c. 参考svd奇异值分解的方法，将原始协方差矩阵分解成vAv^t的方式，目标是转化成单位矩阵，那么这样就好的到w的值了，居然这么简单，w=vsqrt(A)，后面就可以进行cosine相似度的计算了。
4. 如何降低维度，因为对角矩阵A代表的是维度转换后的特征值，这样每个特征值的数小，代表这个维度的方差小，所以就不是咋重要，所以考虑去掉这一维度的特征，如果按降序排列的话，意味着我们可以去topk个特征值来计算相似度就行了，有的降低维度效果还能提升。
5. 计算量评估，计算u和协方差，可以采用递归的方式来实现，这样时间复杂度为O(n)，空间复杂度为O(1)。

5. 实验

1. 对比了原始的bert_cls特征，bert的最后一层平均特征，bert-flow，whitening方法，以及有监督的方式。
2. 基本上bert_cls特征<bert的最后一层平均特征<bert-flow<whitening方法，其中bert_cls计算的话差的离谱。
3. 代码
   https://github.com/bojone/BERT-whitening
   https://github.com/bohanli/BERT-flow
   BERT-whitening语义相似检索神器：https://zhuanlan.zhihu.com/p/364412841

• 核心代码（看了想打人系列）

def compute_kernel_bias(vecs):
    """计算kernel和bias
    最后的变换：y = (x + bias).dot(kernel)
    """
    vecs = np.concatenate(vecs, axis=0)
    mu = vecs.mean(axis=0, keepdims=True)
    cov = np.cov(vecs.T)
    u, s, vh = np.linalg.svd(cov)
    W = np.dot(u, np.diag(1 / np.sqrt(s)))
    return W, -mu


def transform_and_normalize(vecs, kernel=None, bias=None):
    """应用变换，然后标准化
    """
    if not (kernel is None or bias is None):
        vecs = (vecs + bias).dot(kernel)
    norms = (vecs**2).sum(axis=1, keepdims=True)**0.5
    return vecs / np.clip(norms, 1e-8, np.inf)


def compute_corrcoef(x, y):
    """Spearman相关系数
    """
    return scipy.stats.spearmanr(x, y).correlation

7. english

isotropic 各向同性的
anisotropic 各向异性的
standard orthogonal basis 标准正交基
Hypothesis 假设
identity matrix 单位矩阵