文本匹配是自然語言處理領域一個基礎且重要的方向，一般研究兩段文本之間的關系。文本相似度、自然語言推理、問答系統、信息檢索都可以看作針對不同數據和場景的文本匹配應用。

本文總結了文本匹配任務中的經典網絡Siamse Network，它和近期預訓練語言模型的組合，一些調優技巧以及在線下數據集上的效果檢驗。

Siamese 孿生網絡

在正式介紹前，我們先來看一個有趣的故事。

孿生網絡的由來

“Siamese”中的“Siam”是古時泰國的稱呼，中文譯作暹羅，所以“Siamese”就是指“暹羅”人或“泰國”人。“Siamese”在英語中同時表示“孿生”，這又是為什么呢？

十九世紀，泰國出生了一對連體嬰兒“恩”和“昌”，當時的醫學技術無法使他們分離出來，于是兩人頑強地生活了一生。

1829年他們被英國商人發現，進入馬戲團，在全世界各地演出。1839年他們訪問美國北卡羅萊那州成為“玲玲馬戲團” 的臺柱，最后成為美國公民。1843年4月13日跟英國一對姐妹結婚，恩生了10個小孩，昌生了12個。1874年，兩人因病均于63歲離開了人間。他們的肝至今仍保存在費城的馬特博物館內。

從此之后，“暹羅雙胞胎”（Siamese twins）就成了連體人的代名詞，也因為這對雙胞胎全世界開始重視這項特殊疾病。

孿生網絡

由于結構具有鮮明的對稱性，就像兩個孿生兄弟，所以下圖這種神經網絡結構被研究人員稱作“Siamese Network”，即孿生網絡。

其中最能體現“孿生”的地方，在于網絡具有相同的編碼器（sentence encoder），即將文本轉換為高維向量的部分。網絡隨后對兩段文本的特征進行交互，最后完成分類/相似預測。“孿生網絡”結構簡單，訓練穩定，是很多文本任務不錯的baseline模型。

孿生網絡的具體用途是衡量兩個輸入文本的相似程度。

例如，現在我們有文本1和2，首先把它們分別輸入 sentence encoder 進行特征提取和編碼，將輸入映射到新的空間得到特征向量u和v；最終通過u、v的拼接組合，經過下游網絡來計算文本1和2的相似性。

整個過程有2個值得關注的點：

在訓練和測試中，模型的編碼器是權重共享的（“孿生”）；編碼器的選擇非常廣泛，傳統的CNN、RNN和Attention、Transformer都可以

得到特征u、v后，可以直接使用cosine距離、歐式距離得到兩個文本的相似度；不過更通用的做法是，基于u和v構建用于匹配兩者關系的特征向量，然后用額外的模型學習通用的文本關系映射；畢竟我們的場景不一定只是衡量相似度，可能還有問答、蘊含等復雜任務

????????三連體網絡????????

基于孿生網絡，還有人提出了 Triplet network 三連體網絡。顧名思義，輸入由三部分組成，文本1，和1相似的文本2，和1不相似的文本3。

訓練的目標非常樸素，期望讓相同類別間的距離盡可能的小，讓不同類別間的距離盡可能的大，即減小類內距，增大類間距。

Sentence-BERT

自從2018年底Bert等預訓練語言模型橫空出世，NLP屆的游戲規則某種程度上被大幅更改了。在計算資源允許的條件下，Bert成為解決很多問題的首選。甚至有時候拿Bert跑一跑baseline，發現問題已經解決了十之八九。

但是Bert的缺點也很明顯，1.1億參數量使得推理速度明顯比CNN等傳統網絡慢了不止一個量級，對資源要求更高，也不適合處理某些任務。

例如，從10,000條句子中找到最相似的一對句子，由于可能的組合眾多，需要完成49,995,000次推理；在一塊現代V100GPU上使用Bert計算，將消耗65小時。

考慮到孿生網絡的簡潔有效，有沒有可能將它和Bert強強聯合呢？

當然可以，這正是論文《Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks》的工作，首次提出了Sentence-Bert模型（以下簡稱SBert）。

SBert在眾多文本匹配工作中（包括語義相似性、推理等）都取得了最優結果。更讓人驚訝的是，前文所述的從10,000條句子尋找最相似pair任務，SBert僅需5秒就能完成！

基于BERT的文本匹配

讓我們簡短回顧此前Bert是怎么處理文本匹配任務的。

常規做法是將匹配轉換成二分類任務。輸入的兩個文本拼接成一個序列（中間用特殊符號“SEP”分割），經過12層或24層Transformer模塊編碼后，將輸出層的字向量取平均或者取“CLS”位置的特征作為句向量，經softmax完成最終分類。

但是論文作者 Nils Reimers 在實驗中指出，這樣的做法產生的結果并不理想（至少在處理語義檢索和聚類問題時是如此），甚至比Glove詞向量取平均的效果還差。

基于S-BERT的文本匹配

為了讓Bert更好地利用文本信息，作者們在論文中提出了如下的SBert模型。是不是非常眼熟？對，這不就是之前見過的孿生網絡嘛！

SBert沿用了孿生網絡的結構，文本Encoder部分用同一個Bert來處理。之后，作者分別實驗了CLS-token和2種池化策略（Avg-Pooling、Mean-Pooling），對Bert輸出的字向量進一步特征提取、壓縮，得到u、v。關于u、v整合，作者提供了3種策略：

針對分類任務，將u、v拼接，接入全連接網絡，經softmax分類輸出；損失函數用交叉熵

直接計算、輸出余弦相似度；訓練損失函數采用均方根誤差

如果輸入的是三元組，論文種也給出了相應的損失函數

總的來說，SBert直接用Bert的原始權重初始化，在具體數據集上微調，訓練過程和傳統Siamse Network差異不大。

但是這種訓練方式能讓Bert更好的捕捉句子之間的關系，生成更優質的句向量。在測試階段，SBert直接使用余弦相似度來衡量兩個句向量之間的相似度，極大提升了推理速度。

實驗為證

作者在7個文本匹配相關的任務中做了對比實驗，結果在其中5個任務上，SBert都有更優表現。

作者還做了一些有趣的消融實驗。

使用NLI和STS為代表的匹配數據集，在分類目標函數訓練時，作者測試了不同的整合策略，結果顯示“(u, v, |u-v|)”的組合效果最好。這里面最重要的部分是元素差：（|u - v|)。句向量之間的差異度量了兩個句子嵌入維度間的距離，確保相似的pair更近，不同的pair更遠。

文章最后，作者將SBert和傳統方????法做了對比。

SBert的計算效率要更高。其中的smart-batching是一個小技巧。先將輸入的文本按長度排序，這樣同一個mini-batch的文本長度更加統一，padding時能顯著減少填充的token。

線下實測

我們將SBert模型在天池—新冠疫情相似句對判定比賽數據集上做了測試。經數據增強后，線下訓練集和驗證集分別是13,500和800條句子組合。預訓練模型權重選擇BERT_large。

最終SBert單模型在驗證集上的準確率是95.7%。直接使用Bert微調準確率為95.2%。

小結

本文介紹了文本匹配任務中常用的孿生網絡，和在此基礎上改進而來的Sentence-BERT模型。

Siamse Network 簡潔的設計和平穩高效訓練非常適合作為文本匹配任務的baseline模型。SBert則充分利用了孿生網絡的優點和預訓練模型的特征抽取優勢，在眾多匹配任務上取得了最優結果。

拋開具體任務，SBert 可以幫助我們生成更好的句向量，在一些任務上可能產生更優結果。在推理階段，SBert直接計算余弦相似度的方式，大大縮短了預測時間，在語義檢索、信息搜索等任務中預計會有不錯表現。同時，得益于生成的高質量句嵌入特征，SBert也非常適合做文本聚類、新FAQ發現等工作。

責任編輯：lq