先把論文放出來(lái)：Enhanced LSTM for Natural Language Inference，說(shuō)實(shí)話這篇論文不算新了，但是在語(yǔ)義相似度方至今仍流傳著他的傳說(shuō)，因此我還是把這篇論文拿著讀了起來(lái)。近期也是看了很多文章，但是終究不如讀論文來(lái)的過(guò)癮，大部分博客對(duì)這篇論文的模型核心做了很多介紹，但各個(gè)操作的出發(fā)點(diǎn)和一些獨(dú)到的見解卻寫的不多，這次我會(huì)在介紹ESIM的過(guò)程中討論一下。

當(dāng)然，還是建議大家好好品讀原論文，更有味道。

另外給點(diǎn)代碼，看論文不清楚的看看論文也挺好：

https://blog.csdn.net/wcy23580/article/details/84990923。

https://github.com/weekcup/ESIM。

有關(guān)語(yǔ)義匹配和推理

一般地，向量召回主要用的表征模型，但是表征模型沒(méi)有用到交互特征，因此匹配的準(zhǔn)確率上肯定比不過(guò)交互模型，所以一般工程上用表征模型召回，然后用交互模型來(lái)做精排，這樣能保證整個(gè)搜索系統(tǒng)的效果更加穩(wěn)定可靠（看到?jīng)]，準(zhǔn)召分離的思路又來(lái)了），而交互模型這塊，比較可靠的基線，應(yīng)該就要數(shù)ESIM了。

ESIM里，我比較欣賞的是這幾點(diǎn)：

LSTM抽取上下文信息。Tree-LSTM的嘗試也為信息抽取帶來(lái)啟發(fā)。

把Decomposable attention作為交互特征的思路有機(jī)組合起來(lái)了。

多種交互形式的特征concat起來(lái)。

當(dāng)然具體閱讀后，我還提煉了一些新的idea，在文末。有了這些思路，先讓我們來(lái)看看具體的模型，其實(shí)論文的行文里討論了很多思路，我們先來(lái)看整體論文思路，然后再來(lái)提煉里面的獨(dú)到之處。

模型整體

論文的模型其實(shí)沒(méi)有想象中的困難，在很早就把整篇論文給到了：

輸入層是embedding+LSTM的組合。

Local Inference Modeling層，用的Decomposable Attention來(lái)體現(xiàn)兩者的交互型。

Inference composition層則把上面一層的結(jié)果進(jìn)行多種組合計(jì)算，得到多種特征，說(shuō)白了就是比較。

輸出層就不多說(shuō)了，大家都懂的。

輸入層

一般的輸入層只會(huì)是簡(jiǎn)單的word2vector，但這里其實(shí)加了一個(gè)LSTM，還是雙向的，就是用來(lái)獲取各路信息。來(lái)看看代碼，這個(gè)還是比較清晰的：

i1=Input(shape=(SentenceLen,),dtype='float32') i2=Input(shape=(SentenceLen,),dtype='float32') x1=Embedding([CONFIG])(i1) x2=Embedding([CONFIG])(i2) x1=Bidirectional(LSTM(300,return_sequences=True))(x1) x2=Bidirectional(LSTM(300,return_sequences=True))(x2)

Local Inference Modeling

中文翻譯應(yīng)該是局部推理層，我的理解這一層是用于抽取局部信息的，作者用的方法應(yīng)該來(lái)源于這篇論文：A Decomposable Attention Model for Natural Language Inference，這里其實(shí)是一個(gè)計(jì)算交互特征的過(guò)程，即一一分析兩個(gè)句子之間每個(gè)位置的相似度，最簡(jiǎn)單的方式就是點(diǎn)乘，而這篇論文就是使用的這個(gè)最簡(jiǎn)單的方式：

然后再把權(quán)重分散到各個(gè)位置，其實(shí)形態(tài)就很像softmax了：

這個(gè)其實(shí)就是做了一個(gè)交叉，計(jì)算整個(gè)句子的權(quán)重，然后用類似softmax的形式整上，非常討巧，相信ESIM的成功很大程度上就和這個(gè)有關(guān)。

而這并沒(méi)結(jié)束，作者進(jìn)行了進(jìn)一步的強(qiáng)化，對(duì)比Decomposable Attention前后的變化，進(jìn)行了組合。

Inference Composition

推理層應(yīng)該是進(jìn)入最終預(yù)測(cè)之前的最后一層了。這一層的操作同樣沒(méi)那么簡(jiǎn)單，大部分人可能flatten、maxpool、avgpool之類的就直接全連接了，但是這里并不是，而是做了一系列的再提取和再處理，最終才完成預(yù)測(cè)向量的：

作者是真的把信息抽取和特征的組合做到了極致，對(duì)上面構(gòu)造的兩個(gè)組合特征再進(jìn)行了一次特征提取，用的依舊是熟悉的Bilstm，值得注意的是他操作的維度，來(lái)看一個(gè)ESIM的開源代碼吧：

classInferenceCompositionLayer(object): """ Layertocomposethelocalinferenceinformation. """ def__init__(self,hidden_units,max_length=100,dropout=0.5, activation='tanh',sequences=True): self.hidden_units=hidden_units self.max_length=max_length self.dropout=dropout self.activation=activation self.sequences=sequences def__call__(self,input): composition=Bidirectional(LSTM(self.hidden_units, activation=self.activation, return_sequences=self.sequences, recurrent_dropout=self.dropout, dropout=self.dropout))(input) reduction=TimeDistributed(Dense(self.hidden_units, kernel_initializer='he_normal', activation='relu'))(composition) returnDropout(self.dropout)(reduction)

這里用到另一個(gè)我沒(méi)見過(guò)的keras層，即TimeDistributed，有興趣可以了解下。

此后，非常精髓的使用avg-pool和max-pool的組合，有關(guān)池化，max和avg一直打得火熱，沒(méi)有人能給出非常穩(wěn)定的結(jié)論，因此作者就用了兩者的組合：

啟示

整篇文章其實(shí)沒(méi)有構(gòu)造出非常高端的結(jié)構(gòu)，只是一些非常樸素的操作，但是綜合起來(lái)成了現(xiàn)在也非常推薦用的基線，是有很多有借鑒意義的東西的，我這里一一列舉，大家可以直接在里面選擇需要的來(lái)用。

BiLSTM似乎還挺好用的。當(dāng)然私以為CNN其實(shí)也可以嘗試的。

花式concat，多種信息抽取方式進(jìn)行組合，小孩子才做選擇，大人全都要。

attention的使用，其實(shí)有出處A Decomposable Attention Model for Natural Language Inference，思想其實(shí)是兩者一一對(duì)比得到交互矩陣，利用該交互矩陣構(gòu)造類似softmax的權(quán)重，為各自的關(guān)鍵信息進(jìn)行加權(quán)，重點(diǎn)提取。

信息的對(duì)比來(lái)自于可以來(lái)自減和乘，減直接計(jì)算兩者的差距，類似歐氏距離，乘的使用則來(lái)源于余弦距離，既然要對(duì)比特征，那就把這兩個(gè)用到極致。

avg和max哪個(gè)好，別爭(zhēng)了，都用，哪個(gè)比較重要交給后面的全連接層來(lái)決定吧。

我的這篇文章里面沒(méi)有講tree-lstm，主要是因?yàn)槲覀兤綍r(shí)比較難用到，原因是這個(gè)樹不好構(gòu)建，需要依賴依存句法，但是的確是一個(gè)挺有意思的思想，只有真的去讀論文的人才能知道。

參考資料

論文原文：Enhanced LSTM for Natural Language Inference

論文解讀：https://blog.csdn.net/wcy23580/article/details/84990923

keras版本代碼：https://github.com/weekcup/ESIM/blob/master/src/model.py

依舊推薦大家直接去讀論文，文章對(duì)他為什么做這些操作有很明確的思想，其實(shí)在我看來(lái)這些思想比操作本身還要重要，畢竟思想是需要啟發(fā)的，在這些思想的指導(dǎo)下，我在思考解決方案的時(shí)候就能有參考，方案可以借鑒，但是這個(gè)思想的實(shí)現(xiàn)并不局限在一個(gè)方法上。

責(zé)任編輯：lq