要說(shuō)自然語(yǔ)言處理在18年最?yuàn)Z目閃耀的是什么事情，那當(dāng)屬 BERT 刷新各個(gè)任務(wù)的記錄了，至今已經(jīng)過(guò)去了近兩年半的時(shí)間，但其影響力未曾衰減，無(wú)論學(xué)術(shù)界還是工業(yè)界，很多的工作與部署都圍繞其展開(kāi)，對(duì)很多的下游任務(wù)都有舉足輕重的作用，真的是里程碑啊。

相信大家都有過(guò)BERT、ALBERT等預(yù)訓(xùn)練語(yǔ)言模型應(yīng)用在自己任務(wù)上的實(shí)踐經(jīng)歷，可能是情感分析、分類、命名實(shí)體識(shí)別、閱讀理解、相似度計(jì)算等等，使用的方法也無(wú)非是在自己任務(wù)上 fine-tune 或者作為預(yù)訓(xùn)練Embedding，使用的預(yù)訓(xùn)練模型大多是公開(kāi)的，大佬們(財(cái)大氣粗、資源無(wú)數(shù))訓(xùn)練好的。(有錢真好)

在用預(yù)訓(xùn)練模型的時(shí)候，根據(jù)任務(wù)的不同，用到信息也不同，有的需要是詞表示，比如命名實(shí)體識(shí)別、詞性標(biāo)注等任務(wù)，有的需要的是句子表示，比如分類、句子語(yǔ)意匹配等。這里我要說(shuō)的句子表示這一類的任務(wù)，大家經(jīng)常會(huì)用到的 [CLS] 特征信息作為句子向量表示，CLS 作為 BERT/ALBERT序列信息中特殊的一個(gè)存在，在最開(kāi)始設(shè)計(jì)模型的時(shí)候便考慮將其作為后續(xù)文本分類的表示，然而直接使用 CLS 的效果真的會(huì)滿足我們的預(yù)期嘛？相信大家在實(shí)踐的過(guò)程中都有所體會(huì)~，另外 ALBERT 和 BERT 在下游任務(wù)應(yīng)用上面孰好孰壞，是否有一個(gè)定論？

我最近看到了一篇 Arxiv 的文章，題目是 《Evaluation of BERT and ALBERT Sentence Embedding Performance on Downstream NLP Tasks》，這篇文章在 BERT/ALBERT 提取信息作為句子信息表示應(yīng)用在下游任務(wù)，對(duì)其效果進(jìn)行了評(píng)測(cè)，或許會(huì)解答我們實(shí)踐中的疑惑，也或者會(huì)給我們一些預(yù)訓(xùn)練模型在下游任務(wù)應(yīng)用的啟發(fā)，讓我們來(lái)看下~

評(píng)測(cè)對(duì)比

有一系列的對(duì)比實(shí)驗(yàn)，來(lái)看在下游任務(wù)上面的效果~

[CLS] embeddings

CLS 通過(guò) Self-Attention 機(jī)制來(lái)獲取句子級(jí)別的信息表示，在不同的任務(wù)上 Fine-tune 之后，CLS 會(huì)捕捉特定環(huán)境下的上下文信息表示。

Pooled embeddings

將文本中的所有詞做 Avg-pooling 或者 max-pooling。

Sentence-X(SBERT/ALBERT)

BERT 在語(yǔ)義相似度任務(wù)上面也取得了很不錯(cuò)的效果，然后其內(nèi)部的結(jié)構(gòu)在計(jì)算過(guò)程中會(huì)導(dǎo)致非常耗時(shí)，不適合做語(yǔ)義相似度匹配任務(wù)，特別是在工業(yè)界，BERT 的耗時(shí)無(wú)法滿足上線的需要。針對(duì)這個(gè)問(wèn)題，有人提出 Sentence-BERT，采用孿生網(wǎng)絡(luò)模型框架，將不同的句子輸入到參數(shù)共享的兩個(gè)BERT模型中，獲取句子信息表示，用于語(yǔ)義相似度計(jì)算，最終相比BERT效率大大提升，滿足工業(yè)界線上需要。SBERT 從65小時(shí)降到5秒，具體詳見(jiàn)參考資料2。

CNN-SBERT/SALBERT

在上圖中，SBERT 采用 Avg-pooling 獲取句子向量表示，本文將其替換成 CNN 網(wǎng)絡(luò)結(jié)構(gòu)獲取句子向量表示。

結(jié)果分析

評(píng)測(cè)任務(wù)

STS：Semantic Textual Similarity

NLI：Natural Language Inference

評(píng)測(cè)指標(biāo)

Pearson and Spearman’s rank coefficients（皮爾遜和斯皮爾曼相關(guān)系數(shù)）

評(píng)測(cè)數(shù)據(jù)

Semantic Textual Similarity benchmark（STSb）

Multi-Genre Natural Language Inference（MultiNLI）

Stanford Natural Language Inference（SNLI）

上面列出來(lái)相關(guān)的評(píng)測(cè)任務(wù)、評(píng)測(cè)指標(biāo)以及評(píng)測(cè)所用到的數(shù)據(jù)，下面先給出一張結(jié)果表，然后再詳細(xì)分析~

詳細(xì)分析

微調(diào)有效：這個(gè)是符合我們認(rèn)知的，肯定是微調(diào)的效果要好。

CLS 效果：CLS 的效果要遜色很多，無(wú)論是在微調(diào)上面，還是不微調(diào)上面，CLS的效果都要遠(yuǎn)遜色于平均池化操作或者其他方法。

不同方法效果：總體上來(lái)看，CNN-BERT > SBERT > Avg pooling > CLS

BERT 與 ALBERT：從上圖中大概能夠看出，不微調(diào)的情況下，兩者的效果差不多，但是微調(diào)之后，ALBERT的效果要比BERT差很多，僅僅在STSb上微調(diào)的時(shí)候，CLS 和平均池化的方法要好于BERT。

CNN的效果

從上圖來(lái)看，最好的結(jié)果是采用了 CNN 網(wǎng)絡(luò)結(jié)構(gòu)，說(shuō)明 CNN 起到了正向的作用，仔細(xì)觀察發(fā)現(xiàn)，CNN 對(duì) ALBERT 的改進(jìn)要遠(yuǎn)大于對(duì) BERT 的改善提高。ALBERT 由于內(nèi)部參數(shù)共享，可能存在不穩(wěn)定性，CNN 網(wǎng)絡(luò)結(jié)構(gòu)或許可以減緩這種不穩(wěn)定性。

下圖也進(jìn)行了一些對(duì)比，在幾個(gè)不同的數(shù)據(jù)集上驗(yàn)證 CNN 的有效性，從最終的 Avg 結(jié)果來(lái)看，CNN 網(wǎng)絡(luò)結(jié)構(gòu)對(duì) ALBERT 有改善提升。

以上是根據(jù)實(shí)驗(yàn)結(jié)果進(jìn)行的簡(jiǎn)單分析，其中有一些結(jié)論和對(duì)比可以在我們?nèi)粘５膶?shí)踐中借鑒并嘗試，說(shuō)不定會(huì)有不錯(cuò)的效果~

原文標(biāo)題：【BERT】BERT中CLS效果真的好嘛？這篇文章告訴你答案

文章出處：【微信公眾號(hào)：深度學(xué)習(xí)自然語(yǔ)言處理】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq