Prompt+对比学习，更好地学习句子表征

NewBeeNLP

发布于 2022-11-17 09:06:02

5710

发布于 2022-11-17 09:06:02

文章被收录于专栏：NewBeeNLP

作者 | 王嘉宁@华师数据学院整理 | NewBeeNLP https://wjn1996.blog.csdn.net/article/details/125528859

大家好，这里是NewBeeNLP。

虽然BERT等语言模型有很大的成果，但在对句子表征方面（sentence embeddings）上表现依然不佳，因为BERT存在 sentence bias 、 anisotropy 问题；
我们发现prompt，再给定不同的template时可以生成不同方面的positive pair，且避免embedding bias。

相关工作

Contrastive Learning（对比学习） 可以利用BERT更好地学习句子表征。其重点在于如何寻找正负样本。例如，使用inner dropout方法构建正样本。

现有的研究表明，BERT的句向量存在一个 坍缩现象 ，也就是句向量受到高频词的影响，进而坍缩在一个凸锥，也就是各向异性，这个性质导致度量句子相似性的时候存在一定的问题，这也就是 anisotropy 问题。

发现

（1）Original BERT layers fail to improve the performance.

对比两种不同的sentence embedding方法：

对BERT的输入input embedding进行平均；
对BERT的输出（last layer）进行平均

评价两种sentence embedding的效果，采用sentence level anisotropy评价指标：

\frac{1}{n^2-n}\left|\sum_i \sum_{j \neq i} \cos \left(M\left(s_i\right), M\left(s_j\right)\right)\right|

anisotropy ：将corpus里面的sentence，两两计算余弦相似度，求平均。

对比了不同的语言模型，预实验如下所示：

从上表可以看出，貌似anisotropy对应的spearman系数比较低，说明相关性不大。比如bert-base-uncased，
可以看出static token embedding的anisotropy很大，但是最终的效果也差不多。

（2）Embedding biases harms the sentence embeddings performance. token embedding会同时受到token frequency和word piece影响

不同的语言模型的token embedding高度受到词频、subword的影响；
通过可视化2D图，高频词通常会聚在一起，低频词则会分散

For frequency bias, we can observe that high fre- quency tokens are clustered, while low frequency tokens are dispersed sparsely in all models (Yan et al., 2021). The begin-of-word tokens are more vulnerable to frequency than subword tokens in BERT. However, the subword tokens are more vul- nerable in RoBERTa.

三、方法

如何避免BERT在表征句子时出现上述提到的问题，本文提出使用Prompt来捕捉句子表征。但不同于先前prompt的应用（分类或生成），我们并不是获得句子的标签，而是获得句子的向量，因此关于prompt-based sentence embedding，需要考虑两个问题：

如何使用prompt表征一个句子；
如何寻找恰当的prompt；

本文提出一种基于prompt和对比学习的句子表征学习模型。

3.1 如何使用prompt表征一个句子

本文设计一个template，例如“[X] means [MASK]”，[X] 表示一个placehoder，对应一个句子，[MASK]则表示待预测的token。给定一个句子，并转换为prompt后喂入BERT中。有两种方法获得该句子embedding：

方法一：直接使用[MASK]对应的隐状态向量：

\mathbf{h}=\mathbf{h}_{[\text {MASK }]}

；

方法二：使用MLM在[MASK]位置预测topK个词，根据每个词预测的概率，对每个词的word embedding进行加权求和来表示该句子：

\mathbf{h}=\frac{\sum_{\mathrm{v} \in \mathcal{V}_{\text {topk }}} \mathbf{W}_{\mathrm{v}} \mathrm{P}\left([\text { MASK }]=\mathrm{v} \mid \mathbf{h}_{[\text {MASK }]}\right)}{\sum_{\mathbf{v} \in \mathcal{V}_{\text {topk }}} \mathrm{P}\left([\text { MASK }]=\mathrm{v} \mid \mathbf{h}_{[\text {MASK }]}\right.}

方法二将句子使用若干个MLM生成的token来表示，依然存在bias，因此本文只采用第一种方法

3.2 如何寻找恰当的prompt

关于prompt设计上，可以采用如下三种方法：

manual design：显式设计离散的template；
使用T5模型生成；
OptiPrompt：将离散的template转换为continuous template;

3.3 训练

采用对比学习方法，对比学习中关于positive的选择很重要，一种方法是采用dropout。本文采用prompt方法，为同一个句子生成多种不同的template，以此可以获得多个不同的positive embedding。

The idea is using the different templates to repre- sent the same sentence as different points of view, which helps model to produce more reasonable pos- itive pairs. 为了避免template本身对句子产生语义上的偏向。作者采用一种trick：

喂入含有template的句子，获得[MASK]对应的embedding

\hat{\mathbf{h}}_i

；

只喂入template本身，且template的token的position id保留其在原始输入的位置，此时获得[MASK]对应的embeding：

\mathbf{h}_i-\hat{\mathbf{h}}_i

最后套入对比学习loss中进行训练：

\ell_i=-\log \frac{e^{\cos \left(\mathbf{h}_i-\hat{\mathbf{h}}_i, \mathbf{h}_i^{\prime}-\hat{\mathbf{h}}_i^{\prime}\right) / \tau}}{\sum_{j=1}^N e^{\cos \left(\mathbf{h}_i-\hat{\mathbf{h}}_i, \mathbf{h}_j^{\prime}-\hat{\mathbf{h}}_j^{\prime}\right) / \tau}}

四、实验

作者在多个文本相似度任务上进行了测试，实验结果如图所示：

惊奇的发现，PromptBERT某些时候竟然比SimCSE高，作者也提出使用对比学习，也许是基于SimCSE之上精细微调后的结果。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2022-10-21，如有侵权请联系 cloudcommunity@tencent.com 删除

NLP 服务

本文分享自 NewBeeNLP 微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

NLP 服务

登录后参与评论

0 条评论

热度