今天船长给大家分享一篇很棒的，有业务价值的论文。这篇论文来自达摩院Conversation AI团队，主要是解决了业务中常见的问题：在做意图检测的时候，如果意图不在训练集里面出现过，该怎么办？
Estimating Soft Labels for Out-of-Domain Intent Detection | 达摩院 | EMNLP
概念&知识：
图：OOD问题概览
OOD：Out Of Domain问题，代表了领域外的问题，也是指测试集中有训练集中没有见过的领域，例如训练集是关于卖货电商类的对话数据，但是测试集是在测金融领域的对话数据。
IND：In The Domain问题，代表了领域内的问题，是指训练集和测试集的领域都是相同的，如果训练数据集是关于电商的，那么测试集也是关于电商的。
首先来回顾一下，什么是OOD (Out of domain) 问题，它是指有一部分测试集，并没有在训练集中出现过的情况，例如上面的图片，词组 “jump twice” 和 “jump”并没有在训练集中出现，我们把他标记成为蓝色，而在训练集中出现过的，我们标记成为绿色。而面对没有在训练集中出现过的数据，我们到底该如何学习呢？
论文的动机是什么？
之前的方式，是在训练样本中引入OOD样本，然后把这批样本标记成为1，如下图的左图，这些热点标签会在训练过程中引入噪声，因为一些“硬”伪OOD样本可能与InDomain（IND）意图一致，举个例子来说，电商领域的对话数据会有意图：询问价钱，那么在金融领域的对话数据集也会有相似的意图：询问基金价钱，本身两个intent很相似，我们并不能够直接判断他两就是不一样的。
达摩院研究者提出了一种自适应软伪标记（ASoul）方法，该方法可以在训练OOD检测器时估计伪OOD样本的软标记。使用嵌入图捕获伪OOD样本和IND意图之间的语义连接。进一步引入了一个联合训练框架，以根据平滑度假设产生最终的软标签，也即，接近的样本可能具有相似的标签。
图：通过在原IID样本中插入OOD样本来训练，之前的方式（左图）是硬性方式，会把OOD 类标记成为1，其他的IND 类标记成为0。论文（右图）提出的方式，是输出soft的形式，也即红色的OOD 类只有概率0.28
概念介绍完了，接下来介绍一下达摩院的解决方案，话不多说先上图：
图：整体训练框架
先看左边的地方，主要使用了一个embedding space的东西，然后尝试去拉远各个意图的embedding空间，embedding graph也是用来去衡量当前意图和其他所有意图的距离。之后会输出Graph-Smoothed Label，再加上来自g1的普通输出，形成为Regined Label，之后会进入到一个co-train（联合训练）的过程当中。好了，流水账的介绍基本结束了，下面开始正儿八经的分模块介绍。
整体训练过程
构造OOD的sample Dp。
估计soft label，根据每一个Dp的数据（从第一步来的伪标签）。
获得k+1个分类器，并且学习到各个意图之间的decision boundry（边界线），k为当前的IND意图类目数，1为OOD意图类目数。
Embedding Space
首先在Embedding Space方面，如何学习到一个好的embedding是一个核心问题，而这种任务用预训练来训练实在是太费劲了，没有使用到对应的类目信息，研究者的解决方案是沿用了之前论文的损失函数来利用CTR loss优化embedding，详见公式：
图：CTR Loss
不得不说这个公式是晦涩难懂的，下面船长为大家讲解一下，首先CTR的核心就是正确与否，那么这个loss也是这个意思，目的是区分开各个类目，下面开始讲解各个符号的含义：
S(i): 一个batch里面相同的类目的集合，指的是与xi相同类目的集合。
D(I): 所有的IND数据集。
：xi的embedding。
首先log里面是一个sotmax函数，分子上是在计算xi xj 两个embedding的相似度，而分母是将xi 和 其他所有的xk计算出相似度，并且求和，那这个log函数主要是为了算出xi xj 相似度占总共的多少。
其中t可以忽略，主要是一个参数，类似于softmax里面的temperature温度，会控制softmax的程度。再往外面是一个sum求和函数，xj 是在S(i)中的，也就意味着，xj 和 xi是共享有一个类目的。后面的一个sum可以忽略，是另外一个关于数据集D的for循环。总的来说，这个公式的含义，就是为了将相似的类目embedding拉进，而将不同的类目embedding拉远。
Graph-Smoothed Label
在前期获得了好的embedding之后，达摩院小哥创新新的提出了使用无向全连接图的方式来对label进行平滑操作：
图：由embedding构成的无向图，其中每个节点均来自各个embedding
那么研究者为什么要使用这个图来“平滑”embedding表示呢？正是利用了图的性质，他会根据周围的节点输出一个全新的embedding，利用节点之间的距离作为常数控制其相似程度。下面我们看看公式：
图：计算公式，用来计算smoothed label
的含义是DI 和 DP的整个集合，也即IND和OOD的整个集合。
代表了x的embedding向量z。
指的是对应的label，对于IND来说，代表了k个取值的one hot 向量，对于OOD来说，代表了第k+1个取值的one hot向量。
代表了根据周围邻接点聚合而成的新的embedding向量表示。d[] 代表了求距离的函数。
这个公式是什么意思呢？实际上是想求得一个最小值，当我们学习
的时候，左边半个部分
是尝试让两个距离拉进，也即是伪标签和正常的标签距离拉进，有半部分是为了鼓励
和周围的节点有着相似的表达。接下来的公式比较有意思，公式3来自于公式2，也是在做最小化，只不过把
当做了常数约去，之后只剩下下面的公式。需要注意的是本公式不是来源于本论文，而是来源于之前的文章，方法是普遍用来 做graph-smoothing的。
图：经过公式2 化简之后的结果
Co-Training Framework
这一步来到了联合学习的过程当中，也是自监督学习核心的地方，首先来说，本文用了两个分类器来做这个任务，至于具体为什么是两个，我们在下文进行讲解：
CE代表了Cross Entropy，是一种非常普遍的分类损失函数。
gi代表了分类器gi。
f代表了encoder。
图：公式4位于整体框架图的红色部分
公式4中的CE是想要计算出两个分布之间的差距，并且缩小这个差距。除去公式4之外，还需要引入关于OOD的loss，那这部分loss就由公式5来计算。
下面说一下各个符号的含义：
是一个普通的常数。在g1 和 g2 中使用了不同的dropout参数，来促进g1和g2产生结果的多样性。
符号的定义讲解完毕了，那么如何理解公式5呢？这个公式看起来和公式4很相似，也有些不同的地方。我们可以看看下图，船长用红色的线标记出了哪些地方是相关的OOD loss，实际上是想要拉进两个分布之间的距离，第一个分布，是由graph产生的smoothed label，以及g1产生的prediction label相加而得到，第二个是直接来自于g2的产生的prediction label。
当然了，根据本公式，上述的计算方式会进行g1和g2的符号交换，第二种方式第一个分布是由Graph-Smoothed Label + Prediction of g2，第二个分布是由 Prediction of g1 产生得到的。最终第一个方式和第二个方式会进行取平均的过程。
图：公式5位于框架中的红色部分
以上就是所有的公式啦，不懂得话可以自己多看几遍论文，yysy，里面的公式符号有点多，船长自己读的时候也会经常忘记。总的来说就由公式6来代表下述的所有Loss，来进行整体的优化。
模型预测
模型是如何预测的呢？本文的解决方案是利用了两个分类器共同的输出结果得到，详见公式7：
而在做做预测的时候，作者沿用了之前的一个研究工作，利用了Soft Decision Boundary来做最终的预测，这个和本文关系不大，读者可以自行阅读看看。
实验部分
作者使用了三个数据集来做最终的测试，CLINC150的数据很多，intent也有150个之多，虽然说和工业界的intent不能相提并论，但是也是一个不错的数据集。
图：数据集详细概览
结果部分
图：最终实验结果
作者画了一张大图来展示他的结果，看提升来说，提升了大概在1~3个点左右，确实是一份实验充足的文章。其中作者的对比实验主要是和之前的伪样本。其中包括：
PD：Phrase Distortion， follows Shu et al. (2021)，通过扭曲IND样本生成OOD样本。
FM：Feature Mixup，follows Zhan et al. (2021)，使用IND特征的凸组合产生OOD特征。
LG: Latent Generation，follows Zheng et al. (2020a)， 从潜在空间解码伪OOD样本。
OS: Open-domain Sampling， follows Zhan et al. (2021) ，使用其他语料库中的句子作为OOD样本。
最后的实验结果是，上述的四种方法在叠加了Asoul之后，效果都很突出，提升了不少，可以见得，作者主要的贡献在于提出了一种framework，而这种方式，能够结合之前所说的伪样本来进行学习。
接下来我们回到之前的问题，为什么是两个分类器，而不是三个，不是4个呢？实际上船长认为，作者在实验的过程中，能够使用两个分类器的实验结果要比一个的要好，为什么这么讲？两个的话，会多出一些类似于Vote（投票）的步骤，让最终的输出结果能够根据两个分类器的输出，综合判断结果。
如果只有一个分类器的时候，没法进行Loss的计算，那样的话会让整个实验变得很平庸。那为什么不是3个或者4个呢？船长认为是可以的，只不过这个需要做实验调参数才能够知道最终的结果，随着分类器变多，生成的intent向量也会变多，优化器比较难做优化，效果没有保证。
可视化展现
图：可视化展现，图左是普通的onehot，图右是Asoul的方式，其中红色代表了OOD，其他颜色分别是其他领域。
这张图片船长思考了很久，首先作者使用Tsne的方式做可视化的，里面总共包含了六种领域，红色的代表了OOD。在之前的Onehot结果中，可以看出OOD并没有严格的和其他领域区分开，而且OOD的涉及范围很广，并不像右图，OOD都集中在中间的区域。
关于本图，我们思考以下的几个问题：
为什么Tsne的形状这么奇怪？类似一个五角星之类的东西。
-
这个答案是个玄学问题，本身Tsne属于对维度的压缩，是我们在二维视角对于高纬度视角的一种窥探，所以说形状并不能代表什么，反而是五角星的角都分离开能够说明一些问题，说明各个领域区分的都比较好。船长之前做跨语言学习的时候，也产生了这种“很好看”的可视化图片。
OOD应该是和其他的严格区分开吗？
-
理想情况下是的，OOD作为外来的伪造样本，我们需要学习到这个空间的不同，在IND的原有空间中标记出来。而Asoul虽然和Onehot的方式比起来，效果好了很多，但是有一部分的红点还是和其他领域掺杂在一起，还有优化的空间。
写在最后
这篇论文在之前的对比是One Hot，论文方向属于一个不错的研究方向，目前baseline还不多，利用soft的方式能更好地解决OOD识别的问题。只不过用在业务当中比较困难，因为涉及到的Loss过多，而且还有两个比较复杂的分类器，比较难调参。如果能够设计出一种更加“方便”的模型，可能业务价值更大。
你好，我是一个毕业于南加州大学的算法工程师，就职于大厂，个人喜好极其广泛，擅长深度思考，喜欢思维锻炼。公众号（船长尼莫）旨在和读者共同进步，会有很多原创的算法知识分享、工作求职分享、学者访谈、关于互联网的深度思考、读书分享等等。评论区可以和我积极地互动，也可以写下你想看的内容~😏，点赞关注下吧！
扫一扫
7万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
