论文解读：PromptBERT: Improving BERT Sentence Embeddings with Prompts

一、动机

• 虽然BERT等语言模型有很大的成果，但在对句子表征方面（sentence embeddings）上表现依然不佳，因为BERT存在sentence bias、anisotropy问题；
• 我们发现prompt，再给定不同的template时可以生成不同方面的positive pair，且避免embedding bias。

二、相关工作

  Contrastive Learning（对比学习） 可以利用BERT更好地学习句子表征。其重点在于如何寻找正负样本。例如，使用inner dropout方法构建正样本。
现有的研究表明，BERT的句向量存在一个坍缩现象，也就是句向量受到高频词的影响，进而坍缩在一个凸锥，也就是各向异性，这个性质导致度量句子相似性的时候存在一定的问题，这也就是anisotropy问题。
发现：

（1）Original BERT layers fail to improve the performance.

  对比两种不同的sentence embedding方法：

• 对BERT的输入input embedding进行平均；
• 对BERT的输出（last layer）进行平均
  评价两种sentence embedding的效果，采用sentence level anisotropy评价指标：
  

anisotropy：将corpus里面的sentence，两两计算余弦相似度，求平均。

对比了不同的语言模型，预实验如下所示：

• 从上表可以看出，貌似anisotropy对应的spearman系数比较低，说明相关性不大。比如bert-base-uncased，
• 可以看出static token embedding的anisotropy很大，但是最终的效果也差不多。

（2）Embedding biases harms the sentence embeddings performance.
token embedding会同时受到token frequency和word piece影响

• 不同的语言模型的token embedding高度受到词频、subword的影响；
• 通过可视化2D图，高频词通常会聚在一起，低频词则会分散

For frequency bias, we can observe that high fre- quency tokens are clustered, while low frequency tokens are dispersed sparsely in all models (Yan et al., 2021). The begin-of-word tokens are more vulnerable to frequency than subword tokens in BERT. However, the subword tokens are more vul- nerable in RoBERTa.

三、方法

  如何避免BERT在表征句子时出现上述提到的问题，本文提出使用Prompt来捕捉句子表征。但不同于先前prompt的应用（分类或生成），我们并不时获得句子的标签，而是获得句子的向量，因此关于prompt-based sentence embedding，需要考虑两个问题：

• 如何使用prompt表征一个句子；
• 如何寻找恰当的prompt；
  本文提出一种基于prompt和对比学习的句子表征学习模型。

3.1 如何使用prompt表征一个句子

  本文设计一个template，例如“[X] means [MASK]”，[X] 表示一个placehoder，对应一个句子，[MASK]则表示待预测的token。给定一个句子，并转换为prompt后喂入BERT中。有两种方法获得该句子embedding：

• 方法一：直接使用[MASK]对应的隐状态向量：$\mathbf{h}={\mathbf{h}}_{[MASK]}$；
• 方法二：使用MLM在[MASK]位置预测topK个词，根据每个词预测的概率，对每个词的word embedding进行加权求和来表示该句子：
  $$\mathbf{h}=\frac{{\sum }_{v\in {\mathcal{V}}_{topk}}{\mathbf{W}}_{v}P([MASK]=v|{\mathbf{h}}_{[MASK]})}{{\sum }_{v\in {\mathcal{V}}_{topk}}P([MASK]=v|{\mathbf{h}}_{[MASK]}}$$

方法二将句子使用若干个MLM生成的token来表示，依然存在bias，因此本文只采用第一种方法

3.2 如何寻找恰当的prompt

  关于prompt设计上，可以采用如下三种方法：

• manual design：显式设计离散的template；
• 使用T5模型生成；
• OptiPrompt：将离散的template转换为continuous template;

3.3 训练

  采用对比学习方法，对比学习中关于positive的选择很重要，一种方法时采用dropout。本文采用prompt方法，为同一个句子生成多种不同的template，以此可以获得多个不同的positive embedding。

The idea is using the different templates to repre- sent the same sentence as different points of view, which helps model to produce more reasonable pos- itive pairs.
为了避免template本身对句子产生语义上的偏向。作者采用一种trick：

• 喂入含有template的句子，获得[MASK]对应的embedding ${\mathbf{h}}_i$；
• 只喂入template本身，且template的token的position id保留其在原始输入的位置，此时获得[MASK]对应的embeding：${\hat{\mathbf{h}}}_i$
• 当前句子表示为${\mathbf{h}}_i-{\hat{\mathbf{h}}}_i$

  最后套入对比学习loss中进行训练：

四、实验

  作者在多个文本相似度任务上进行了测试，实验结果如图所示：


  惊奇的发现，PromptBERT某些时候竟然比SimCSE高，作者也提出使用对比学习，也许是基于SimCSE之上精细微调后的结果。

---

参考文献或关键词：
【1】SimCSE：https://zhuanlan.zhihu.com/p/369075953
【2】BERT-flow：https://zhuanlan.zhihu.com/p/352523794
【3】什么是各项异性/各项同性：https://www.zhihu.com/question/460991118/answer/1906738611
【4】Alignment和uniformity