ESimCSE：无监督语义新SOTA，引入动量对比学习扩展负样本，效果远超SimCSE
本文看完，相信你会掌握这个无监督语义新SOTA模型ESimCSE。
从论文标题中可以看出，应该是对4月份丹琦女神发表的新作SimCSE的增强版（Enhance），并且也用到了对比学习来构建正负样本，那么效果是否优于SimCSE呢？
抱着这个好奇的心态，于是完整的读了一遍该论文。好家伙！在语义文本相似性（STS）任务上效果竟然还真的优于BERT base版的SimCSE有2个点（Spearman相关系数），并且提出了两大优化方法，解决了SimCSE遗留的两个问题：
1、SimCSE通过dropout构建的正例对包含相同长度的信息（原因：Transformer的Position Embedding），会使模型倾向于认为相同或相似长度的句子在语义上更相似（insight很合理）；
2、更大的batch size会导致SimCSE性能下降（这点确实很困扰）;
所以从以上可以看出，ESimCSE并没有使用最小的数据增强方法drouput构建正例对（毕竟有利也有弊哈），并且还扩展了负例对的构建，鼓励模型进行更精细的学习。这点SimCSE并没有考虑，而是直接将一个batch内与自己不同的样本都作为负样本了。
那么ESimCSE到底是如何构建正负样本并且效果还优于SimCSE的呢？让我们接着往下看~
Unsupervised SimCSE
SimCSE的缺点(一)
在讲解ESimCSE之前，我们一定要搞清楚SimCSE的缺点以及作者的intuition是如何产生的。
使用 dropout 作为最小数据增强方法简单有效，但是预训练语言模型如BERT是建立在Transformer上，它将通过position embedding对句子的长度信息进行编码。因此，同一个句子通过BERT产生的正例对具有相同的长度，而来自两个不同句子的负例对通常包含不同长度的信息。
因此，正例对和负例对所包含的长度信息是不同的，可以作为特征来区分它们。具体来说，由于这样的差异，会导致模型训练时出现偏差，让模型自动认为相同或相似长度的两个句子在语义上更相似。
因此作者根据句子对的长度差异将 STS 任务数据集划分为组，并分别使用 Spearman相关系数计算相应的语义相似度。随着长度差异的增加，无监督SimCSE 的性能变差。无监督SimCSE在长度相似（≤3）的句子上的性能远远超过在长度差异较大（>3）的句子上的性能，如下图所示：
原句翻译为“我喜欢这个苹果，因为它看起来很新鲜，我认为它应该很好吃”。
随机插入可能会产生“我不喜欢这个苹果，因为它看起来很不新鲜，我认为它应该是狗的美味”；随机删除可能会产生“我这个苹果，因为它看起来如此，我认为它应该如此”。两者都偏离了原句的意思。
相反，“Word Repetition”的方法可能会得到“我喜欢这个苹果，因为它看起来很新鲜，我认为它应该很好吃。”或“我喜欢这个苹果，因为它看起来很新鲜”我认为它应该很好吃。”两者都很好地保持了原句的意思。
SimCSE的缺点(二)
由于对比学习是在正例对和负例对之间进行的，理论上更多的负例对可以导致更好的比较。因此一个潜在的优化方向是利用更多的负例对，鼓励模型进行更精细的学习。然而在SimCSE中，更大的batch size并不总是更好的选择。例如，如下图所示, 对于无监督的SimCSE-BERTbase模型，最佳batch size大小为 64，batch size大小的其他设置会降低性能。
在计算机视觉中，为了缓解扩展batch size时GPU内存的限制，一个可行的方法是引入动量对比，这也是通过维护一个队列，重用来自前一个mini-batch的编码Embedding来扩展负例对：它总是将当前mini-batch的句子Embedding入队，同时将“最旧”的句子Embedding出队。由于入队的句子Embedding来自前面的mini-batch，我们通过取其参数的移动平均值来保持动量更新模型，并使用动量模型生成入队的句子Embedding。请注意，作者在使用动量编码器时关闭了dropout，这可以缩小训练和预测之间的差距。
上述两种优化分别是作者提出用于构建正负对的新方法。将两者与 unsup-SimCSE结合起来，就得到了ESimCSE。
ESimCSE
在本节中，我们首先介绍ESimCSE构建正例对的方法：Word Repetition（单词重复）和 Momentum Contrast（动量对比学习）扩展负样本对。
其中dup_rate是最大重复率，这是一个超参数。dup_len是上面定义的集合中的随机采样数，这将在扩展序列长度时引入更多的多样性。确定dup_len后，我们使用均匀分布从序列中随机选择需要重复的dup_len子词，组成dup_set。
实验结果
与Unsup-SimCSE相同，作者也使用了从英文维基百科中随机去的100万个句子进行训练，然后在7个STS任务上进行了实验。下图显示了在STS-B数据集上获得的最佳结果：
具体来说，ESimCSE 在 BERTbase上的表现平均优于Unsup-SimCSE + 2.02%，在BERTlarge上+0.90%，在 RoBERTabase上+0.87%，在 RoBERTalarge上+0.55%。
作者还探讨了仅使用Word Repetition或Momentum Contrast时可以为 unsup-SimCSE带来多少改进。如下图所示，无论是Word Repetition还是Momentum Contrast都可以为unsup-SimCSE带来实质性的改进。这意味着所提出的增强正例对和负对的方法都是有效的。更好的是，这两个修改可以叠加（ESimCSE）以获得进一步的改进。
总结
本文提出了两种优化方法来构建 unsup-SimCSE 的正负例对，并将它们与 unsup-SimCSE 相结合，称为ESimCSE。通过大量实验，所提出的 ESimCSE 在标准语义文本相似性任务上比 unsup-SimCSE 取得了相当大的改进。
这篇文章对SimCSE遗留的问题都进行了改进，并且效果上也取得了非常显著的提升，最后通过消融研究合理地解释了每一个改进点为什么work，是一篇非常不错的研究工作。