跨语言对比学习【EMNLP 2021】

[155****7220]

猿辅导在EMNLP2021上的一篇论文Aligning Cross-lingual Sentence Representations with Dual Momentum Contrast提出基于双Momentum网络的对比学习方法。对比学习最近非常火，尤其是以SimCES为首所提出的利用Dropout作为正样本的无监督学习方法。猿辅导的这篇论文和SimCES却不一样，它主要是从网络整体架构入手，基于Momentum网络提出了一种有监督的跨语言句子相似度计算方法

Dual Momentum Contrast

Momentum本意是动量，但是直接翻译过来感觉有些别扭，因此这里就直接用英文表述了。这里简要概述一下Momentum网络结构，如下图所示，它由两个Encoder组成，这两个Encoder网络的结构相同，参数不同

对于图像任务来说，$x^q$代表一张图片，$x^k$代表多张图片集合（包括图片$x^q$），其中$x^k$中除了$x^q$以外的图片，对于$x^q$来说都是负样本。$q$为$x^q$经过encoder网络后的向量，$k$为经过Momentum encoder网络后的多个向量

回到原论文，给定一个跨语言平行句子集${x_i,y_i}_{i=1}^n$，对于每种语言的句子，分别用特定语言的BERT模型去编码，提取最后一行所有token输出均值的$L_2$正则化作为句向量$h_{x_i},h_{y_i}\in {\mathbb{R}}^{768}$

这里有一个很巧妙的点在于，两个经过$L_2$正则化后的向量$h_{x_i},h_{x_j}$进行点积的结果，就是这两个向量的余弦相似度，因为$L_2$正则化帮我们对每个向量除以了分母的平方和

论文设计的网络结构图如下所示，其中$sg$表示"stop gradient"，即不反向传播；$x$和$y$是来自两个不同语言的句子

每一种语言的BERT都有一个参数为$\mathbf{\theta }$的Momentum encoder，可以理解为原BERT的复制，只不过复制的是结构而不是参数，这些Momentum encoder不通过反向传播更新参数，他们的参数更新公式为

每种语言都有两个存储队列（Memory queues），用于存储最近几批中由相应Momentum encoder编码的$K$个向量。在每个优化步骤中，最老的那批向量会被替换为当前batch的向量。Momentum系数$m\in [0,1]$，通常大家设置的值非常接近1（例如0.999）。$K$一般设置的非常大（>$10^5$），以确保有足够的负样本使模型学习。作者采用InfoNCE Loss作为目标函数

$\tau$是一个超参数，至于它的作用可以看我的这篇文章：Contrastive Loss中参数τ的理解。实际上式(2)是一个$K+1$的Softmax分类，其中，$x$的平行语料即正样本为$y=y_0$，所有的负样本${y_i}_{i=1}^K$都在存储队列中

对称地，我们可以定义$\mathcal{L}(y,x)$，因此最终我们的目标是

训练结束后，我们直接丢弃Momentum encoders，只保留两个BERT分别提取两种语言句子的向量

虽然作者提出的方法以及后续实验都是基于跨语言的，但实际上针对同语言也是适用的，例如给定一个同语言的句子对$(x_i,x_j)$，设句子$y_j$是由句子$x_j$翻译得到的，如果模型训练得比较好，那么对于句子$x_j$和$y_j$的向量表示应该有

两边同时点乘${\mathbf{h}}_{x_i}$得

后者是跨语言的句子相似度，这正是我们模型所明确优化的

个人总结

实验效果非常好，大幅超越了BERT-Whitening以及BERT-flow，不过这里我就懒得放结果图了，因为我没有在论文中看到他们的源码地址