應用場景

智慧問答機器人火得不行，開始研究深度學習在NLP領域的應用已經有一段時間，最近在用深度學習模型直接進行QA系統的問答匹配。主流的還是CNN和LSTM，在網上沒有找到特別合適的可用的程式碼，自己先寫了一個CNN的（theano），效果還行，跟論文中的結論是吻合的。目前已經應用到了我們的產品上。

原理

參看《Applying Deep Learning To Answer Selection: A Study And An Open Task》，文中比較了好幾種網路結構，選擇了效果相對較好的其中一個來實現，網路描述如下：

Q&A共用一個網路，網路中包括HL，CNN，P+T和Cosine_Similarity，HL是一個g(W*X+b)的非線性變換，CNN就不說了，P是max_pooling，T是啟用函式Tanh，最後的Cosine_Similarity表示將Q&A輸出的語義表示向量進行相似度計算。

詳細描述下從輸入到輸出的矩陣變換過程：

1. Qp：[batch_size, sequence_len]，Qp是Q之前的一個表示（在上圖中沒有畫出）。所有句子需要截斷或padding到一個固定長度（因為後面的CNN一般是處理固定長度的矩陣），例如句子包含3個字ABC，我們選擇固定長度sequence_len為100，則需要將這個句子padding成ABC<a><a>...<a>(100個字)，其中的<a>就是新增的專門用於padding的無意義的符號。訓練時都是做mini-batch的，所以這裡是一個batch_size行的矩陣，每行是一個句子。
2. Q：[batch_size, sequence_len, embedding_size]
   。句子中的每個字都需要轉換成對應的字向量，字向量的維度大小是embedding_size，這樣Qp就從一個2維的矩陣變成了3維的Q
3. HL層輸出：[batch_size, embedding_size, hl_size]。HL層：[embedding_size, hl_size]，Q中的每個句子會通過和HL層的點積進行變換，相當於將每個字的字向量從embedding_size大小變換到hl_size大小。
4. CNN+P+T輸出：[batch_size, num_filters_total]。CNN的filter大小是[filter_size, hl_size]，列大小是hl_size，這個和字向量的大小是一樣的，所以對每個句子而言，每個filter出來的結果是一個列向量（而不是矩陣），列向量再取max-pooling就變成了一個數字，每個filter輸出一個數字，num_filters_total個filter出來的結果當然就是[num_filters_total]大小的向量，這樣就得到了一個句子的語義表示向量。T就是在輸出結果上加上Tanh啟用函式。
5. Cosine_Similarity：[batch_size]。最後的一層並不是通常的分類或者回歸的方法，而是採用了計算兩個向量（Q&A）夾角的方法，下面是網路損失函式。，m是需要設定的引數margin，VQ、VA+、VA-分別是問題、正向答案、負向答案對應的語義表示向量。損失函式的意義就是：讓正向答案和問題之間的向量cosine值要大於負向答案和問題的向量cosine值，大多少，就是margin這個引數來定義的。cosine值越大，兩個向量越相近，所以通俗的說這個Loss就是要讓正向的答案和問題愈來愈相似，讓負向的答案和問題越來越不相似。

實現

程式碼點選這裡，使用的資料是一份英文的insuranceQA，下面介紹程式碼重點部分：

字向量。本文采用字向量的方法，沒有使用詞向量。使用字向量的目的主要是為了解決未登入詞的問題，這樣在測試的時候就很少會遇到Unknown的字向量的問題了。而且字向量的效果也不一定比詞向量的效果差，還省去了分詞的各種麻煩。先用word2vec生成一份字向量，相當於我們在做pre-training了（之後測試了隨機初始化字向量的方法，效果差不多）

原理中的步驟2。這裡沒有做HL層的變換，實際測試中，增加HL層有非常非常小的提升，所以在這裡就省去了改步驟。

CNN可以設定多種大小的filter，最後各種filter的結果會拼接起來。

原理中的步驟4。這裡執行卷積，max-pooling和Tanh啟用。

生成的ouputs_1是一個python的list，使用concatenate將list的多個tensor拼接起來（list中的每個tensor表示一種大小的filter卷積的結果）

原理中的步驟5。計算問題、正向答案、負向答案的向量夾角

生成Loss損失函式和Accuracy。

核心的網路構建程式碼就是這些，其他的程式碼都是訓練資料、驗證資料的讀入，以及theano構建訓練時的一些常規程式碼。

如果需要增加HL層，可參照如下的程式碼。Whl即是HL層的網路，將input和Whl點積即可。

dropout的實現。

結果

使用上面的程式碼，Test 1的Top-1 Accuracy可以達到61%-62%，和論文中的結論基本一致了，至於論文中提到的GESD、AESD等方法沒有再測試了，執行較慢，其他資料集也沒有再測試了。

下面是國外友人用一個叫keras的工具（封裝的theano和tensorflow）弄的類似程式碼，Test 1的Top-1準確率在50%左右，比他這個要高:)

http://benjaminbolte.com/blog/2016/keras-language-modeling.html

另外，原始的insuranceQA需要進行一些處理才能在這個程式碼上使用，具體參看github上的說明吧。

一些技巧

1. 字向量和詞向量的效果相當。所以優先使用字向量，省去了分詞的麻煩，還能更好的避免未登入詞的問題，何樂而不為。
2. 字向量不是固定的，在訓練中會更新。
3. Dropout的使用對最高的準確率沒有很大的影響，但是使用了Dropout的結果更穩定，準確率的波動會更小，所以建議還是要使用Dropout的。不過Dropout也不易過度使用，比如Dropout的keep_prob概率如果設定到0.25，則模型收斂得更慢，訓練時間長很多，效果也有可能會更差，設定會差很多。我這版程式碼使用的keep_prob為0.5，同時保證準確率和訓練時間。另外，Dropout只應用到了max-pooling的結果上，其他地方沒有再使用了，過多的使用反而不好。
4. 如何生成訓練集。每個訓練case需要一個問題+一個正向答案+一個負向答案，很明顯問題和正向答案都是有的，負向答案的生成方法就是隨機取樣，這樣就不需要涉及任何人工標註工作了，可以很方便的應用到大資料集上。
5. HL層的效果不明顯，有很微量的提升。如果HL層的大小是200，字向量是100，則HL層相當於將字向量再放大一倍，這個感覺沒有多少資訊可利用的，還不如直接將字向量設定成200，還省去了HL這一層的變換。
6. margin的值一般都設定得比較小。這裡用的是0.05
7. 如果將Cosine_similarity這一層換成分類或者回歸，印象中效果是不如Cosine_similarity的（具體資料忘了）
8. num_filters越大並不是效果越好，基本到了一定程度就很難提升了，反而會降低訓練速度。
9. 同時也寫了tensorflow版本程式碼，對比theano的，效果差不多。
10. Adam和SGD兩種訓練方法比較，Adam訓練速度貌似會更快一些，效果基本也持平吧，沒有太細節的對比。不過同樣的網路+SGD，theano好像訓練要更快一些。
11. Loss和Accuracy是比較重要的監控引數。如果寫一個新的網路的話，類似的指標是很有必要的，可以在每個迭代中評估網路是否正在收斂。因為除錯比較麻煩，所以通過這些引數能評估你的網路寫對沒，引數設定是否正確。
12. 網路的引數還是比較重要的，如果一些引數設定不合理，很有可能結果千差萬別，記得最初用tensorflow實現的時候，應該是dropout設定得太小，導致效果很差，很久才找到原因。所以調參和微調網路還是需要一定的技巧和經驗的，做這版程式碼的時候就經歷了一段比較痛苦的調參過程，最開始還懷疑是網路設計或是程式碼有問題，最後總結應該就是引數沒設定好。

結語

如果關注這個東西的人多的話，後面還可以有tensorflow版本的QA CNN，以及LSTM的程式碼奉上:)

補充

tensorflow的CNN程式碼已新增到github上，點選這裡

Contact: [email protected] weibo:碼壇奧沙利文