目录
- Motivation：论文想要解决的问题
- Methodology：本文提出的方法
- experiment：实验结果
Motivation
- Bert 直接生成的sentence representation（SR） 不能很好的表达句子的语义。（相似的句子距离更近）
- 所以设计网络来finetune bert，使得可以获取nice的SR
Methodology
- SBERT architecture with classification objective function：同时输入两个句子，最后使用entropy loss
注：fintune结束后，bert+pooling可作为句子编码器。
- SBERT architecture at inference：同时输入两个句子，可以使用MSEloss
experiment
- 使用SBERT框架&NLI finetune之后效果比BERT CLS-vector效果好
