【BERT】BERT中CLS效果真的好嘛？这篇文章告诉你答案

点击上方，选择星标，每天给你送干货！

来自：AI自然语言处理与知识图谱

作者信息

Elesdspline
目前从事NLP与知识图谱相关工作。

要说自然语言处理在18年最夺目闪耀的是什么事情，那当属 BERT 刷新各个任务的记录了，至今已经过去了近两年半的时间，但其影响力未曾衰减，无论学术界还是工业界，很多的工作与部署都围绕其展开，对很多的下游任务都有举足轻重的作用，真的是里程碑啊。

相信大家都有过BERT、ALBERT等预训练语言模型应用在自己任务上的实践经历，可能是情感分析、分类、命名实体识别、阅读理解、相似度计算等等，使用的方法也无非是在自己任务上 fine-tune 或者作为预训练Embedding，使用的预训练模型大多是公开的，大佬们(财大气粗、资源无数)训练好的。(有钱真好)

在用预训练模型的时候，根据任务的不同，用到信息也不同，有的需要是词表示，比如命名实体识别、词性标注等任务，有的需要的是句子表示，比如分类、句子语意匹配等。这里我要说的句子表示这一类的任务，大家经常会用到的 [CLS] 特征信息作为句子向量表示，CLS 作为 BERT/ALBERT序列信息中特殊的一个存在，在最开始设计模型的时候便考虑将其作为后续文本分类的表示，然而直接使用 CLS 的效果真的会满足我们的预期嘛？相信大家在实践的过程中都有所体会~，另外 ALBERT 和 BERT 在下游任务应用上面孰好孰坏，是否有一个定论？

我最近看到了一篇 Arxiv 的文章，题目是《Evaluation of BERT and ALBERT Sentence Embedding Performance on Downstream NLP Tasks》，这篇文章在 BERT/ALBERT 提取信息作为句子信息表示应用在下游任务，对其效果进行了评测，或许会解答我们实践中的疑惑，也或者会给我们一些预训练模型在下游任务应用的启发，让我们来看下~

评测对比

有一系列的对比实验，来看在下游任务上面的效果~

[CLS] embeddings
- CLS 通过 Self-Attention 机制来获取句子级别的信息表示，在不同的任务上 Fine-tune 之后，CLS 会捕捉特定环境下的上下文信息表示。
Pooled embeddings
- 将文本中的所有词做 Avg-pooling 或者 max-pooling。
Sentence-X(SBERT/ALBERT)
- BERT 在语义相似度任务上面也取得了很不错的效果，然后其内部的结构在计算过程中会导致非常耗时，不适合做语义相似度匹配任务，特别是在工业界，BERT 的耗时无法满足上线的需要。针对这个问题，有人提出 Sentence-BERT，采用孪生网络模型框架，将不同的句子输入到参数共享的两个BERT模型中，获取句子信息表示，用于语义相似度计算，最终相比BERT效率大大提升，满足工业界线上需要。SBERT 从65小时降到5秒，具体详见参考资料2。

CNN-SBERT/SALBERT
- 在上图中，SBERT 采用 Avg-pooling 获取句子向量表示，本文将其替换成 CNN 网络结构获取句子向量表示。

结果分析

评测任务

STS：Semantic Textual Similarity
NLI：Natural Language Inference

评测指标

Pearson and Spearman’s rank coefficients（皮尔逊和斯皮尔曼相关系数）

评测数据

Semantic Textual Similarity benchmark（STSb）
Multi-Genre Natural Language Inference（MultiNLI）
Stanford Natural Language Inference（SNLI）

上面列出来相关的评测任务、评测指标以及评测所用到的数据，下面先给出一张结果表，然后再详细分析~

详细分析

微调有效：这个是符合我们认知的，肯定是微调的效果要好。
CLS 效果：CLS 的效果要逊色很多，无论是在微调上面，还是不微调上面，CLS的效果都要远逊色于平均池化操作或者其他方法。
不同方法效果：总体上来看，CNN-BERT > SBERT > Avg pooling > CLS
BERT 与 ALBERT：从上图中大概能够看出，不微调的情况下，两者的效果差不多，但是微调之后，ALBERT的效果要比BERT差很多，仅仅在STSb上微调的时候，CLS 和平均池化的方法要好于BERT。
CNN的效果
- 从上图来看，最好的结果是采用了 CNN 网络结构，说明 CNN 起到了正向的作用，仔细观察发现，CNN 对 ALBERT 的改进要远大于对 BERT 的改善提高。ALBERT 由于内部参数共享，可能存在不稳定性，CNN 网络结构或许可以减缓这种不稳定性。
- 下图也进行了一些对比，在几个不同的数据集上验证 CNN 的有效性，从最终的 Avg 结果来看，CNN 网络结构对 ALBERT 有改善提升。

以上是根据实验结果进行的简单分析，其中有一些结论和对比可以在我们日常的实践中借鉴并尝试，说不定会有不错的效果~

说个正事哈

由于微信平台算法改版，公号内容将不再以时间排序展示，如果大家想第一时间看到我们的推送，强烈建议星标我们和给我们多点点【在看】。星标具体步骤为：

（1）点击页面最上方“深度学习自然语言处理”，进入公众号主页。

（2）点击右上角的小点点，在弹出页面点击“设为星标”，就可以啦。

感谢支持，比心。

投稿或交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

记得备注呦

整理不易，还望给个在看！

参考资料

Evaluation of BERT and ALBERT Sentence Embedding Performance on Downstream NLP Tasks
N. Reimers and I. Gurevych, “Sentence-BERT: Sentence embeddings using Siamese BERT-networks,” in Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLPIJCNLP), 2019.