ACL 2022用于多标签文本分类的对比学习增强最近邻机制

Posted 2023-02-20 小爷毛毛（卓寿杰）

重磅推荐专栏： 《Transformers自然语言处理系列教程》
手把手带你深入实践Transformers，轻松构建属于自己的NLP智能应用！

论文地址：https://aclanthology.org/2022.acl-short.75.pdf

1. 摘要

多标签文本分类（MLTC）是自然语言处理中的一项基本且具有挑战性的任务。以往的研究主要集中在学习文本表示和建模标签相关性上。然而，在预测特定文本的标签时，通常忽略了现有的类似实例中的丰富知识。为了解决这一问题，作者提出了一个k最近邻（kNN）机制，该机制检索几个相邻实例并用它们的标签值作为模型的输出。此外，作者设计了一个多标签对比学习目标，使模型学习到kNN的分类过程，并提高了在推理过程中检索到的相邻实例的质量。实验表明，该方法可以为多个MLTC模型带来一致的和可观的性能改进，包括SOTA的预训练和非预训练模型。

2. 方案介绍

如上图所示，作者为MLTC设计了一个k个最近邻机制（步骤2,3），并通过使用多标签对比学习目标训练模型（步骤1）对其进行增强。

2.1 问题定义

设$D=（x_i，y_i）{}_{i=1}^N$是由N个实例组成的MLTC训练集。每个$x_i$都是一个文本，$y_i\in {0,1}^L$为对应的 multi-hot 标签向量，其中L为标签总数。MLTC的目标是学习从输入文本到相关标签的映射。

2.2 最近邻MLTC

为了在推理过程中从现有实例中获取知识，作者提出了一个MLTC的k个最近邻机制，包括两个步骤：

• 构建训练实例的数据存储（步骤2）：给定来自训练集$（x_i，y_i）\in D$的一个实例，其文本表示向量$h_i=f（x_i）$由一个MLTC模型生成。那么，训练实例的数据存储$D‘$可以通过通过每个训练实例离线构造：$D‘=（h_i，yi）{}_{i=1}^N$。
• 基于训练实例的数据存储进行kNN预测（步骤3）： 在推理阶段，给定一个输入文本x，模型输出预测向量$y{ˆ}_{Mo}\in p|p\in [0,1]{}^L$。模型还输出文本表示$f(x)$，用来查询数据存储D‘，根据欧氏距离获得k最近邻$N={(h_i,y_i)}_{i=1}^k$。然后可以进行kNN预测：
  
  式中，$d（\cdot ，\cdot ）$为欧氏距离，τ为kNN温度，${\alpha }_i$为第i个相邻实例的权重。直观地说，一个相邻实例越接近测试实例，它的权重就越大。最终的预测是基础模型输出和kNN预测的组合：$yˆ=\lambda y{ˆ}_{kNN}+（1-\lambda ）y{ˆ}_{Mo}$，其中λ为比例参数。
  笔者理解，在标签时常变更（下线、新增）的业务场景下，可以将λ设置为1.0，用单纯的kNN检索的方案。该方案好处在于，算对于标签的变更不能及时训练模型，也能支持在新标签体系下的预测。

2.3 多标签对比学习

在MLTC中，模型通常是通过二元交叉熵（BCE）损失的监督学习训练，而不知道kNN检索过程。因此，检索到的相邻实例可能没有与测试实例相似的标签，并且对预测几乎没有什么帮助。为了填补这一空白，作者提出用多标签对比学习目标来训练模型。

现有的监督对比学习方法试图缩小来自同一类的实例之间的距离，并将来自不同类的实例推开。然而，在MLTC中，有两个实例可能共享一些共同的标签，但也可能有一些对每个实例都是唯一的标签。如何处理这些案例是在MLTC中利用对比性学习的关键。因此，为了建模多标签实例之间的复杂相关性，作者设计了一个基于标签相似度的动态系数。

考虑一个大小为b的minibatch，作者定义一个函数来输出特定实例的所有其他实例：$g(i)=k|k\in 1,2，\cdot \cdot \cdot ，b，k=i$ 。每个实例对$（i、j）$的对比损失可以计算为：

其中，$d（\cdot ，\cdot ）$为欧氏距离，τ‘为对比学习温度，$z_i=f（x_i）$表示文本表示。$C_{ij}$表示i，j之间的标签相似度，由它们的标签向量的点积计算出来。动态系数${\beta }_{ij}$是$C_{ij}$的归一化处理。

对于一对实例$（i，j）$，标签相似度越大，$C_{ij}$的系数${\beta }_{ij}$就越大，从而增加其损失项$L_{con}^{ij}$的值。因此，它们的距离$d（z_i，z_j）$将被优化为更接近。同时，如果它们没有共享的标签$（{\beta }_{ij}=C_{ij}=0）$，那么$L_{con}^{ij}$的值也为零，它们的距离$d（z_i，z_j）$将只出现在其他项的分母中。因此，它们的距离将有负的梯度，并被优化到更远。

将BCE损失表示为$L_{BCE}$，作者的方法的总体训练损失为： $L=L_{BCE}+\gamma L_{con}$。参数γ控制了损失之间的权衡。

3. 实验效果

如上图所示，看到在不同的模型基础上该方案都有所提升。但如果是只做了对比学习，可能效果反而会下降。