StarSpace：一种通用的Embed算法

1. 简介

之前搞对话系统时接触了StarSpace (抛开事实不谈，首先这个名字就比Glove、Elmo、Transformer……来的有诗意)，用于计算 Intent 和 Action 的关系，效果还不错，一查发现，原来师出名门，来自Facebook AI Research2017年底发表的经典论文《StarSpace: Embed All The Things!》，一种通用的神经嵌入模型，要 Embedding 一切，霸气十足。
当然面对不同的场景，没有万能算法，推荐StaSpace也是希望各位在遇到Embeding问题时，除了Word2Vec、Node2Vec、Bert等算法外，能够多一种选择。
 

2. 要解决的问题

论文开篇也是毫不掩饰，直入主题。既然要 Embedding 万物，那凡是需要 Embedding 的任务，以下任务StarSpace都可以胜任：

• 文本分类或其他标签任务，例如：情绪分类
• 实体排序，例如：给出查询的web排名
• 基于协同过滤的推荐，例如：推荐文本，音乐或视频
• 基于内容的推荐，内容由离散特征定义，例如：文档中的词语
• 嵌入图表，例如：Freebase（可以理解成三元组构成的知识图谱数据库）这样的多关系图
• 学习词、句或文档的嵌入

在每种情况下，模型都是通过嵌入由离散特征组成的实体并相互比较，根据任务类型来学习它们之间的相似性。StarSpace可以被视为一种直接且高效的 strong baseline，和Word2Vec、Glove、fasttext等相比毫不逊色，甚至优于它们，当然最大的特点还是通用，把各种各样的数据投射到向量空间中，包括但不限于：文本、文章、主题、标签、知识图谱等。
口说无凭，作者在①文本分类②知识库关系预测③文档推荐④文章检索⑤句子匹配⑥学习句子向量6个不同任务上做了对比实验，评估算法的质量。
 

3. 模型原理

论文的目标是获得实体(entities)的embedding，而实体是一个很泛泛的概念，一个词、一句话、一个节点、一个用户……都可以成为一个实体，可以用稀疏向量(one-hot)来表示：

• 实体是一个词时，稀疏向量只有一个元素为1，其它都为0，向量的长度为词表的大小
• 实体是一个句子时，稀疏向量就是词袋向量，句子出现过的token所在的元素为1，其它为0，向量的长度同样为词表的大小
• 实体是一个用userID表示的用户时，稀疏向量是one-hot向量，如第一个用户，这个向量的第一个元素为1，其它都为0，向量的长度为用户数
• 实体是一个 {用用户喜欢的电影} 来表示的用户，如某个用户喜欢电影1、电影3，则向量的第一个元素和第三个元素为1，其它元素为0，此时向量的长度为电影数

以上稀疏向量转化为dense embedding就很简单了，把稀疏向量乘以一个 词典大小 embedding维度 的矩阵即可。
StarSpace可以很自由的去比较不同类型的实体。
$$\begin{gathered} F为包含D个特征的字典，表示为D\times d的矩阵，则F_i为第i个特征生成的d维 \\ embedding，那么实体a的embedding为{\sum }_{i\in D}{F}_i，即每个feature都有一个嵌入， \\ 由于一个实体a具有不同的feature，所以构成实体a的嵌入就是这些特征的加和 \\ (或加权和)（和word2vec之后进行sentenceembedding是一样的）。也就是说， \\ 与其他嵌入模型一样，首先要给打算embedding的集合中(论文称为字典，包含 \\ 诸如单词等特征)每个离散特征分配一个d维向量。实体由字典中的特征包表示， \\ 它们的嵌入是隐式学习的，一个实体也可以由单个（唯一）属性构成，例如单个 \\ 单词、名称、用户或项目ID。为了训练模型，需要比较实体的距离，也就是最小化 \\ 一下损失函数： \end{gathered}$$ $$\sum _{(a,b)\in E^{+},b^{-}\in E^{-}}{L}^{batch}(sim(a,b),sim(a,b_1^{-}),...,sim(a,b_k^{-}))$$$$\begin{gathered} \bullet 正实体对(a,b)来自E^{+} \\ \bullet 负实体b_i^{-}来自E^{-},通过负采样每次从batch中选k个负实体对 \\ \bullet 相似度函数sim(,)可以选择余弦或内积 \\ \bullet 损失函数也提供了两种方式：marginrankingloss和negtiveloglossofsoftmax，通常前者表现更好 \end{gathered}$$
 

4. 模型结构

从上一节可以看出，starspace的前向传播还是很简单的，就是两个embedding层。下面来看一看StarSpace具体是怎么做的。
举个：

老板让我们把商品评论向量化，实现可以给用户评论打标签的功能。我们找了一些数据，并自己打了标签，di表示评论，li表示标签：

①用共现矩阵来展示的话：
②将其他评论和标签的关系也加入其中：可以看出，d2和d5都有l1、l3，d1也有l1，但是没有l3，所以我们希望模型学习的过程中，d2和d5的向量离l3越来越近，而d1距离l3越来越远。这样就形成了一个个簇，像星座群一样（是不是有StarSpace那味了）。
③用 bag-of-words 把d1表示成[0,0,1,0,1,0] ，用 one-hot 来表示标签，把l1表示为[0,0,0,0,0,1] ，则通过下面的结构，把这两者给关联起来：④上图中希望d1评论的向量能够和l1标签比较的接近，为了能够向量能够进行计算，需要维度统一，由于sparse不同，所以要在输入和 dense layer 中间增加一个 feed forward 层来让维度统一。LABEL 就是共现矩阵中的关系。
⑤上面只是 positive example，negative example 则要进行 k-negative sampling。共现矩阵中未打✅的就是负样本。

以上就是StarSpace的整体结构：

• 两个embedding层，一个embedding层用于embedding a，一个embedding层用于embedding b；
• 两个embedding层的输出（对于多特征的实体，每个embedding层后还有sum）在共同进入一个相似度计算模块，similarity(a,b)的计算结果 c；
• c 进入损失函数进行计算反向传播，以负采样来说，就是通过负采样构造了1个真实伪正类和k个假的伪负类，然后使用损失函数。
   

5. 应用

StarSpace 的实战应用支持多种模式，无监督、有监督、单标签、多标签的都有。虽然Meta官方版本是用C++实现的，但是好在项目中提供了 python wrapper，可以方便我们在 python 的项目中使用。
我们可以通过调整 trainMode 和 trainFile 的格式来让 StarSpace 完成不同类型的任务。
下面看一下在文本分类任务的表现：

 
 
 

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