gpushare.com_基于去噪Transformer的无监督句子编码【EMNLP 2021】

文章来源 | 恒源云社区

原文地址 | 论文小记

原文作者 | Mathor

---

这几天忙里偷闲去社区看了看各位版主一开始发的文章。重点找了我最喜欢的版主Mathor的文章，仔细一查，竟然已经发了90多篇，不愧是社区大佬本佬了！

想着看都看了，那就顺手搬运一下大佬的文章吧！

接下来跟着小编的脚步👣，一起看下去吧～

正文开始

EMNLP2021 Findings上有一篇名为TSDAE: Using Transformer-based Sequential Denoising Auto-Encoder for Unsupervised Sentence Embedding Learning的论文，利用Transformer结构无监督训练句子编码，网络架构如下所示：

具体来说，输入的文本添加了一些确定的噪声，例如删除、交换、添加、Mask一些词等方法。Encoder需要将含有噪声的句子编码为一个固定大小的向量，然后利用Decoder将原本的不带噪声的句子还原。说是这么说，但是其中有非常多细节，首先是训练目标

其中，\( D \)是训练集；\( x = x_1x_2\cdots x_l \)是长度为lll的输入句子；\( \tilde{x} \)是\( x \)添加噪声之后的句子；\( e_t \)是词\( x_t \)的word embedding；\( N \)为Vocabulary size；\( h_t \)是Decoder第\( t \)步输出的hidden state

不同于原始的Transformer，作者提出的方法，Decoder只利用Encoder输出的固定大小的向量进行解码，具体来说，Encoder-Decoder之间的cross-attention形式化地表示如下：

其中，\( H^{(k)}\in \mathbb{R}^{t\times d} \)是Decoder第\( k \)层\( t \)个解码步骤内的hidden state；\( d \)是句向量的维度（Encoder输出向量的维度）；\( [s^T]\in \mathbb{R}^{1\times d} \)是Encoder输出的句子（行）向量。从上面的公式我们可以看出，不论哪一层的cross-attention，\( K \)和\( V \)永远都是\( s^T \)，作者这样设计的目的是为了人为给模型添加一个瓶颈，如果Encoder编码的句向量\( s^T \)不够准确，Decoder就很难解码成功，换句话说，这样设计是为了使得Encoder编码的更加准确。训练结束后如果需要提取句向量只需要用Encoder即可

作者通过在STS数据集上调参，发现最好的组合方法如下：

1. 采用删除单词这种添加噪声的方法，并且比例设置为60%
2. 使用[CLS]位置的输出作为句向量

RESULTS

从TSDAE的结果来看，基本上是拳打SimCSE，脚踢BERT-flow

个人总结

如果我是reviewer，我特别想问的一个问题是：“你们这种方法，与BART有什么区别？”

论文源码在UKPLab/sentence-transformers/，其实sentence-transformers已经把TSDAE封装成pip包，完整的训练流程可以参考Sentence-Transformer的使用及fine-tune教程，在此基础上只需要修改dataset和loss就可以轻松的训练TSDAE

# 创建可即时添加噪声的特殊去噪数据集
train_dataset = datasets.DenoisingAutoEncoderDataset(train_sentences)

# DataLoader 批量处理数据
train_dataloader = DataLoader(train_dataset, batch_size=8, shuffle=True)

# 使用去噪自动编码器损失
train_loss = losses.DenoisingAutoEncoderLoss(model, decoder_name_or_path=model_name, tie_encoder_decoder=True)

# 模型训练
model.fit(
    train_objectives=[(train_dataloader, train_loss)],
    epochs=1,
    weight_decay=0,
    scheduler='constantlr',
    optimizer_params={'lr': 3e-5},
    show_progress_bar=True
)