StarSpace: Embed All The Things!

论文地址：https://arxiv.org/abs/1709.03856

GitHub：https://github.com/facebookresearch/StarSpace

收录于：AAAI 2018

本文是FAIR发表于2018 AAAI上的一篇文章，提出了一种通用性很强的神经嵌入模型，$star(*)$star(∗) 表示它可以处理多种形式的嵌入，$space$space表示将不同的实体学习到一个空间中。它可以解决一系列不同的复杂问题，比如：

• 标注任务（labeling task）：文本分类、情绪分类……
• 排序任务（ranking task）：信息检索、网络搜索……
• 基于协同过滤或是基于内容的推荐任务：推荐文档、音乐等
• 多关系图的嵌入任务：如Freebase
• 学习词、句子、文档不同层级的嵌入

反正就是感觉厉害到不行~

主要贡献在于：

• 提出了一种新的嵌入学习算法，可以在不同的问题上进行泛化

• 可以实现不同类型的嵌入之间的相互比较。例如，可以将用户实体与推荐问题中的商品实体进行比较

---

StarSpace

StarSpace包含一系列的学习实体（learning entities），每一个实体被一系列的离散特征所描述（在本文所提出的模型中并不能泛化到连续特征的情况，在结论部分作者也提出连续特征的情况是未来的一个研究方向）。在StarSpace中，类似文档、句子这样的实体可以通过bag-of-words或n-grams进行描述，一个像user、movies、items等这样的实体可以通过bag-of-document的方式进行描述。重要的是，StarSpace模型将不同的实体通过学习嵌入到了一个相同的空间中，因此可以自由比较不同类型的实体。最终的目标是习得一个$D \times d$D×d 的矩阵，其中$D$D 表示特征的数量，$d$d表示每一个嵌入向量的维度（或长度）。每一个实体$a$a 可以表示为$\sum_{i \in a} F_{i}$∑i∈a​Fi​ ，其中$F_{i}$Fi​ 表示得到的嵌入矩阵$i^{th}$ith 个$d$d 维的特征。

训练过程需最小化的损失函数为：
$\sum_{(a,b)\in E^+\\b^- \in E^-}{L^{batch}(sim(a,b), sim(a,b_1^-),...,sim(a,b_k^-))}$(a,b)∈E+b−∈E−∑​Lbatch(sim(a,b),sim(a,b1−​),...,sim(a,bk−​))
其中的正实体集（positive entity pairs）$E^+$E+和负实体集$E^-$E−取决于不同的问题。这里采用的是类似于word2vec中的k-negative sampling来采样得到负实体$b_{i}^-$bi−​，不同实体之间的相似度度量函数$sim(.,.)$sim(.,.)这里选择的是常用的余弦相似度（cosine similarity）

Generally, they work similarly well for small numbers of label features (e.g. for classification), while cosine works better for larger numbers, e.g. for sentence or document similarity.

损失函数$L_{batch}$Lbatch​ 这里选择的是margin ranking loss。

We also implement two possibilities: margin ranking loss and negative log loss of softmax. All experiments use the former as it performed on par or better.

在模型的优化过程中，仍然使用的是随机梯度下降（SGD）,同时使用嵌入的最大范数（max-norm）来将嵌入向量限制在球半径为$r$r的空间$R^d$Rd上。

测试时，可以使用学到的函数$sim(⋅,⋅)$sim(⋅,⋅)来测量实体间的相似度。例如，对于分类，为给定输入a预测一个label，使用$max_{\hat{b}} sim(a,\hat{b})$maxb^​sim(a,b^)来表示可能的$label \hat{b}$labelb^;对于ranking，通过similarity对实体进行排序。另外embedding向量可以直接被下游任务使用。

对于不同的任务如何生成$E^+$E+和$E^-$E− 这里略~

---

实验

多类别分类问题（Multiclass classification）

在这个实验中，$E^+$E+和$E^-$E−来自文本分类数据集，作者分别在如下的3个不同的数据集上进行了实验:

• AG news：一个给定标题和描述字段的4类别文本分类任务，包含120 k个训练示例、7600个测试示例、4个类别、大约100 k个词和5 M个符号（token）；
• DBpedia：维基百科文章分类问题，包含560 k训练示例、70 k测试示例、14个类、大约800k单词和32 M tokens；
• Yelp reviews dataset from 2015 Yelp Dataset Challenge：预测给定评论文本的star的总数，它包含1.2 M训练示例、157 k测试示例、5个类别、约50万单词，1.93 M tokens。

实验结果如下所示：

从中可以看出，StarSpace和fastText效果差别不大，但两者都优于其他的基准模型。特别是当$n-gram >1$n−gram>1时，fastText的速度要更快一些，但是StarSpace的通用性更强。

---

基于内容的文档推荐（Content-based Document Recommendation）

任务为基于用户的喜欢记录的历史向他们推荐社交媒体上的帖子。一个帖子可以表示为一个$bag-of-words$bag−of−words的形式。所用的数据集由641385个用户和3119909篇文章组成。问题是根据前$(n - 1)$(n−1)篇文章预测第$n^{th}$nth篇文章，实验结果如下所示：

其中涉及的基准测试模型有：

• word2vec model
• Unsupervised fastText model
• Linear SVM ranker
• Tagspace model trained on a hashtag task
• TFIDF bag-of-words cosine similarity model

在这个任务上，StarSpace的效果也明显优于其他的基准模型。

---

连接预测：多联系的知识图谱的嵌入任务（Link Prediction: Embedding Multi-relation Knowledge Graphs）

Freebase 15 k数据集由一个triplets$(head、relation_type、tail)$(head、relationt​ype、tail)组成，例如：（Obama，born-in，Hawaii）。它的任务是在$(?， relation_type, tail)$(?，relationt​ype,tail)中预测$head$head，或$ (head, relation_type， ?)$中预测$中预测tail$。所用数据集由14951个概念（concepts）和1345个关系类型（relation_type）组成。训练集有483142个triplets，验证集有50000个，测试集有59071个，实验结果如下所示：

结果也是StarSpace的效果更好。同时作者也探究了$K=?$K=?对于模型效果的影响，结果如下：

证明了$k$k的最优区间为[1,100]，$K=50$K=50 时效果最好。

---

维基百科文章搜索和句子匹配（Wikipedia Article Search & Sentence Matching）

任务使用的是Wikipedia 数据集，对于每一篇文章，只提取纯文本，并删除列表和图等所有结构化数据部分。它总共包含5075,182篇文章，其中包含9,008,962种惟一的无大小写token类型。数据集分为5035182个训练示例、10,000个验证示例和10,000个测试示例。

• 任务1：将文章中的某个句子做为查询，试图找到它出自的文章；
• 任务2：从文章中随机选择两个句子，使用其中一个作为查询，然后尝试找到来自相同原始文档的另一个句子

实验结果如下所示：

实验证明StarSpace的查询更加精准，效果更好。

---

学习句子嵌入（Learning Sentence Embeddings）

任务使用Facebook research的工具SentEval，比较了句子嵌入模型在14个转换任务上的有效性，这些任务包括二进制分类、多类分类、隐含、检测、释义关联和语义文本相似性，实验结果如下所示：