11句对匹配实战-(1)Siamese

用的是kaggle上的比赛“Quora Question Paris: Can you identify question pairs that have the same intent?”
评估指数: log loss
测试集:

  • 大小:40.4万
  • 属性:6列,分别是id, qid1, question1, question2, is_duplicate
    测试集:
  • 大小:235万
  • 属性:3列,分别是test_id, qeustion1, question2

这里用到的第一个方法是孪生网络 Siamese Network,白话点就是我要看看这两个句子是否一样,就将两个输入feed进两个神经网络,word embedding后,通过Loss的计算,评价两个输入的相似度。

image.png
上图可以看出,左右两边可以是一个神经网络(如都是CNN),也可以是不同的(一个LSTM,一个CNN),但是两边的权重值一样。关于loss,softmax是一种好的选择,但不一定是最优的。siamese网络的初衷是计算两个输入的相似度,可以简单点,直接求embedding向量的cosine值就好。

在之前word embedding中有提到cosine值是计算两个向量的夹角来判断两个词的相似性,那么句子了?段落了?可以用exp保留两个向量的长度信息(见下图)


image.png

两边都用了LSTM,仔细看下LSTMa一开始是不知道LSTMb的存在,直到进行到h3(a)时,才会和LSTMb中的h4(b)进行匹配。h3-h4用曼哈顿距离来度量两个句子的空间相似度。

当两边都是LSTM时

with tf.name_scope('embeddings'):
    self._m_token_embeddings = tf.Variable(
        tf.truncated_normal(
            [self._m_config["vocab_size"], self._m_config["embedding_dim"]],
            stddev=0.1
        ),
        name="token_embeddings"
    )
    embedded_sent1 = tf.nn.embedding_lookup(self._m_token_embeddings, self._m_ph_sent1)
    embedded_sent2 = tf.nn.embedding_lookup(self._m_token_embeddings, self._m_ph_sent2)
self._m_embedded_sent1 = embedded_sent1

with tf.name_scope('lstm_layer'):
    cell1 = tf.nn.rnn_cell.LSTMCell(
        self._m_config["lstm_dim"],
        state_is_tuple=True,
        reuse=tf.AUTO_REUSE
    )
    cell2 = tf.nn.rnn_cell.LSTMCell(
        self._m_config["lstm_dim"],
        state_is_tuple=True,
        reuse=tf.AUTO_REUSE
    )
    _, (_, output_cell1) = tf.nn.dynamic_rnn(
        cell1, embedded_sent1, dtype=tf.float32, sequence_length=self._m_ph_sent1_size)
    _, (_, output_cell2) = tf.nn.dynamic_rnn(
        cell1, embedded_sent2, dtype=tf.float32, sequence_length=self._m_ph_sent2_size)

with tf.name_scope("feature_mapping"):
    sent_diff = output_cell1 - output_cell2
    sent_mul = tf.multiply(output_cell1, output_cell2)
    features = tf.concat([sent_diff, sent_mul, output_cell1, output_cell2], axis=1)

    W = tf.Variable(tf.truncated_normal(
                    shape=[self._m_config["lstm_dim"] * 4, self._m_config["label_num"]],
                    stddev=0.1, mean=0.0))
    b = tf.Variable(tf.truncated_normal(
                    shape=[self._m_config["label_num"]], stddev=0.1, mean=0.0))
    self._m_logits = tf.nn.xw_plus_b(features, W, b)

with tf.name_scope("loss"):
    cross_entropy = tf.nn.softmax_cross_entropy_with_logits_v2(
                        labels=self._m_ph_label, logits=self._m_logits)
    self._m_loss = tf.reduce_mean(cross_entropy)

with tf.name_scope("accuracy"):
    self._m_prediction = tf.argmax(self._m_logits, axis=1)
    correct = tf.equal(self._m_prediction, tf.argmax(self._m_ph_label, axis=1))
    self._m_accuracy = tf.reduce_mean(tf.cast(correct, tf.float32))

with tf.name_scope("optimizer"):
    self._m_global_step = tf.Variable(0, name="global_step", trainable=False)
    self._m_optimizer = tf.train.AdamOptimizer(self._m_config["learning_rate"])
    self._m_train_op = self._m_optimizer.minimize(
                            self._m_loss, global_step=self._m_global_step)

当两边都用CNN时

with tf.name_scope('embeddings'):
    self._m_token_embeddings = tf.Variable(
        tf.truncated_normal(
            [self._m_config["vocab_size"], self._m_config["embedding_dim"]],
            stddev=0.1
        ),
        name="token_embeddings"
    )
    embedded_sent1 = tf.nn.embedding_lookup(self._m_token_embeddings, self._m_ph_sent1)
    embedded_sent2 = tf.nn.embedding_lookup(self._m_token_embeddings, self._m_ph_sent2)

    dropout_embedded_sent1 = tf.nn.dropout(embedded_sent1, keep_prob=self._m_ph_keep_prob)
    dropout_embedded_sent2 = tf.nn.dropout(embedded_sent2, keep_prob=self._m_ph_keep_prob)

with tf.name_scope('sentence_features'):
    sent1_features = self._build_conv_features(dropout_embedded_sent1)
    sent2_features = self._build_conv_features(dropout_embedded_sent2)
    #dropout_sent1_features = tf.nn.dropout(sent1_features, keep_prob=self._m_ph_keep_prob)
    #dropout_sent2_features = tf.nn.dropout(sent2_features, keep_prob=self._m_ph_keep_prob)
    dropout_sent1_features = tf.identity(sent1_features)
    dropout_sent2_features = tf.identity(sent2_features)

with tf.name_scope("feature_mapping"):
    sent_diff = dropout_sent1_features - dropout_sent2_features
    sent_mul = tf.multiply(dropout_sent1_features, dropout_sent2_features)
    features = tf.concat([sent_diff, sent_mul, dropout_sent1_features, dropout_sent2_features], axis=1)
    dropout_features = tf.nn.dropout(features, keep_prob=self._m_ph_keep_prob)

    cnn_feature_num = self._m_config["num_filters"] * len(self._m_config["filter_sizes"])
    W = tf.Variable(tf.truncated_normal(
                    shape=[cnn_feature_num * 4, self._m_config["label_num"]],
                    stddev=0.1, mean=0.0))
    b = tf.Variable(tf.truncated_normal(
                    shape=[self._m_config["label_num"]], stddev=0.1, mean=0.0))
    self._m_logits = tf.nn.xw_plus_b(features, W, b)

with tf.name_scope("loss"):
    cross_entropy = tf.nn.softmax_cross_entropy_with_logits_v2(
                        labels=self._m_ph_label, logits=self._m_logits)
    self._m_loss = tf.reduce_mean(cross_entropy)

with tf.name_scope("accuracy"):
    self._m_prediction = tf.argmax(self._m_logits, axis=1)
    correct = tf.equal(self._m_prediction, tf.argmax(self._m_ph_label, axis=1))
    self._m_accuracy = tf.reduce_mean(tf.cast(correct, tf.float32))

with tf.name_scope("optimizer"):
    self._m_global_step = tf.Variable(0, name="global_step", trainable=False)
    self._m_optimizer = tf.train.AdamOptimizer(self._m_config["learning_rate"])
    self._m_train_op = self._m_optimizer.minimize(
                            self._m_loss, global_step=self._m_global_step)

孪生网络是先建模再匹配,LSTMa一直到h3(a)才只知道有h4(b),有没有可能句子一开始就知道另外一条句子,并记性匹配了? 下一节 Match Pyramid是先匹配再建模。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,794评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,050评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,587评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,861评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,901评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,898评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,832评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,617评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,077评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,349评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,483评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,199评论 5 341
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,824评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,442评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,632评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,474评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,393评论 2 352

推荐阅读更多精彩内容