1. 自然语言句子的双向、多角度匹配,是来自IBM 2017 年的一篇文章。代码github地址:https://github.com/zhiguowang/BiMPM
2. 摘要

这篇论文主要提出了一个双向多角度匹配的模型(BiMPM),给定两个句子P和Q，首先模型分别将二者编码成BiLSTM encoder,然后在P→Q和Q→P两个方向对编码之后的句子进行匹配，在每一个方向的匹配当中，每个句子的每个time step 都从多个不同的角度与另外一个句子的全部time steps进行匹配。然后再使用一个BiLSTM将匹配的结果聚合成一个固定长度的向量。最后基于这个固定长度的向量，再通过一个全连接层(连接sigmoid或者softmax)进行分类以及构造损失函数。文章中对BiMPM在三个任务上进行了评估，并且与其他的模型进行了对比，分别是:paraphrase identification(相似短语识别),natural language inference(自然语言推断) 和 answer sentence selection(回答句子选择)。文章证明了BiMPM 在所有的任务上都取得了state-of-the-art的结果。

• 自然语言句子匹配(Natural language sentence matching ,NLSM)是比较两个句子并且识别它们的关系的任务。
• NLSM 一般有两种架构来解决:

1. “Siamese” architecture(单一架构),其步骤是使用同一个神经网络在相同的embedding space里面将两个句子进行编码，然后仅仅依据这两个编码之后的向量来进行决策。这种方法的优点是模型一般比较简单轻量，得到的向量可以用于可视化或者聚类等任务，其缺点是在编码阶段，两个句子没有显式地交互，这可能会丢失掉一些重要的信息。

2.matching aggregation(匹配聚合),在这种框架下，一些小的单元(words,context vectors)首先被进行匹配，然后匹配的结果通过CNN/LSTM进行聚合成一个单独的向量来进行决策。这种框架可以捕捉两个句子的交互特征，因而效果要比单一架构的模型要好。

• BiMPM 属于 匹配聚合框架。
• 之前的 匹配聚合框架的局限性:

1. 只考虑了word to word 的匹配，没有考虑phrase or sentence 级别的匹配

2. 只考虑了单向的匹配

• BiMPM 对以上的两个局限性进行了改进。
• 任务的定义:

1. 相似短语识别，本质是一个二分类问题，判定两个短语/句子在语义上是否是相似的，1表示相似，0表示不相似

2. 自然语言推断,P是一个条件句，Q是一个假设句，输出有三个不同的结果{entailment, contradiction, neutral},

entailment 表示Q可以从P推断得到

contradiction 表示在P的条件下Q是错误的

neutral 表示P和Q是不相关的

3. 回答句子选择,P是问题，Q表示一个候选答案，1表示Q是P的正确答案，0表示不是正确答案。

• BiMPM 架构图

• word representstion layer(词表达层):

主要分为两个部分，

第一个部分是使用glove/word3vec 进行word embedding,对于OOV word 向量进行随机初始化,dimension=300

第二个部分是character embedding,即基于字符的embedding,具体做法是对于每个word 的character将其输入LSTM进行编码，dimension=20

然后每个sentence 的word都可以得到一个dimension=320的向量表达。

• context representation layer(上下文表达层):

使用一个BiLSTM对P和Q的context embeddings 进行编码，以便充分利用上下文信息。

• matching layer(匹配层)

模型的核心层，该层的目的是对一个句子的每个time step 和另一个句子的全部time steps 的 context embedding 进行match,然后再反过来。这里需要进行一个多角度匹配操作。

• aggregation layer(聚合层):

再使用一个BiLSTM 分别对两个句子使用四种方式进行匹配，得到四个固定长度的向量，然后再拼接这四个向量送入一个全连接层(预测层)

• prediction layer(预测层):

最后的输出层。

• Multi-perspective Matching Operation(多角度匹配操作):

四种不同的匹配操作:

1. full matching(全匹配)

是一个句子中的每个单词，更另外一个句子中最后一个隐藏层的输出作匹配，前向的LSTM是最后一个，后向的LSTM是第一个。

2. maxpooling matching(最大池化匹配)

与另一个句子每一个隐藏层的输出作匹配，取最大值。

3. attentive matching(专心匹配)

利用这个单词的embedding和另一个句子各个单词的embeddings分别计算余弦相似度，然后用softmax归一化做成attention权重，加权求和再进行带参余弦相似度计算。

4. max-attentive-matching(最大专心匹配)

与Attentive相似，先计算出attention的权重，取其中权重最大的，做相似度匹配。

这些操作的具体计算方式参考原论文，这里略去。

• 实验参数设置:

word embedding:glove,size=300

character embedding size = 20

adma optimizer

dropout rate = 0.1

learning rate = 0.001

• Quora Question Pairs(https://www.kaggle.com/quora/question-pairs-dataset)

quroa 在kaggle上举办的一个对句子进行语义重复识别的比赛,共有40w对句子。

• quora dataset 训练/验证/测试集的选取

随机选择5000个语义相似的句子对和5000个语义不相似的句子对作为验证集,

再用同样的方式各选择5000个语义相似以及不相似的句子对作为测试集，

剩下的数据集作为训练集。