ACL20 - Zero-shot Text Classification via Reinforced Self-training_benchmarking zero-shot text classification: datase

Ye Z, Geng Y, Chen J, et al. Zero-shot text classification via reinforced self-training[C]. In ACL 2020.

摘要

传统自训练（self-training）方法采用固定的探索式算法，在不同数据集上表现不一。

本文采用强化学习框架学习数据选择策略，提供更可靠的数据。

介绍

处理零样本文本分类通常有两个主要的方法，目前工作主要在第1点，忽略了第2点：

1. 整合更多的外部知识，建立更多复杂的类型连接
2. 整合无标签数据提升泛化能力

直接用传统的自训练方式可能会遇到一些问题：

1. 传统自训练方式采用手工制定的探索式算法选择数据，调整选择策略开销很大
2. 传统的自训练方法在跨领域方面不太可靠，主要是数据选择方法不太可靠

本文主要贡献：

1. 本文提出的方法利用了无标签数据，并且能够缓解领域迁移问题
2. 提出了一个强化学习框架，可用于自动选择数据
3. 实验效果在选定的数据集上提升很大

自训练

自训练有两个缺陷：

1. 如果数据选择策略是简单的基于自信度，那么数据选择可能不太可靠，造成误差传播
2. 自训练依赖于预先定义的自信度，不同数据集手动调整训练开销大

方法

模型框架如下：

首先在训练集上训练基础的文本匹配模型，然后在测试集上预测。策略网络在预测的结果中进行样本的挑选，策略网络的奖励来源于匹配模型在验证集上的效果。若当前策略网络采取了正确的策略，挑选出了高质量的样本，那么模型期望会在验证集上获得较好的 performance，则会获得正向的奖励；相反若策略网络采取错误的策略，则模型获得较差的结果和负向的奖励。

对于基础的文本匹配模型，本文采用了预训练模型 BERT，BERT 的输入为句子和类别文本的拼接输出为该句子和类别的匹配分数，如图所示。

强化学习模块

state：当前状态包括两部分：[CLS]对应的向量表示 $c_{x,y^{\ast }}$，以及预测的confidence分数 $p_{x,y\ast }$
action：agent 需要判断是否选择当前实例$(x,y^{\ast })$
reward：根据验证集的匹配效果计算 reward，计算公式如下：
$$r_k=\frac{\left(F_k^s-{\mu }^s\right)}{{\sigma }^s}+\lambda \cdot \frac{\left(F_k^u-{\mu }^u\right)}{{\sigma }^u}$$
其中：

• $F^S$：可以看见类型的序列
• $F^U$：不可以看见类型的序列
• λ：权重
• μ：均值
• σ：方差

policy Network：使用多层感知机作为挑选策略网络，输入为state，输出为是否挑选当前实例的概率（action 的概率），计算公式如下，
z t = ReLU ⁡ ( W 1 T c x , y ∗ + W 2 T p x , y ∗ + b 1 ) P ( a ∣ s t ) = softmax ⁡ ( W 3 T z t + b 2 )

$$\begin{gathered} z_{t}=\operatorname{ReLU}\left(W_{1}^{T} c_{x, y^{*}}+W_{2}^{T} p_{x, y^{*}}+b_{1}\right) \\ P\left(a \mid s_{t}\right)=\operatorname{softmax}\left(W_{3}^{T} z_{t}+b_{2}\right) \end{gathered}$$ zt​=ReLU(W1T​cx,y∗​+W2T​px,y∗​+b1​)P(a∣st​)=softmax(W3T​zt​+b2​)​
其中：

• $W_1,W_2,W_3,b_1,b_2$为多层感知机的参数
• P() 为 action 的概率

整个模型的伪代码如图：

实验

数据

数据集采用 EMNLP19年的工作：Yin W, Hay J, Roth D. Benchmarking zero-shot text classification: Datasets, evaluation and entailment approach[J]. In EMNLP 2019.
包括3个数据集：话题、情感、情景，另外再加电商数据集。去除掉多标签数据，只考虑单标签数据。

方法

文本匹配baseline方法：

1. word2vec + 余弦相似度
2. Label similarity：基于Sappadla Prateek Veeranna, Jinseok Nam, Eneldo Loza Mencıa, and Johannes F¨urnkranz. Using semantic similarity for multi-label zero-shot classification of text documents.工作，大致是用 embedding + 余弦相似度
3. FC 和 RNN+ FC：基于Pushp P K, Srivastava M M. Train once, test anywhere: Zero-shot learning for text classification[J]. arXiv preprint arXiv:1712.05972, 2017.工作，分别对应于论文里的框架1和框架2

本文方法：

1. 单纯的BERT
2. BERT + self-training
3. BERT + RL：就是本文的全部方法

结果

Generalized 方法：类标签来自看不见的类和看到的类
结果：平均提升了15.4%

non-generalized 方法：类标签来自看不到的类
结果：平均提升了5.4%

总结

1. Self-training可以有效利用未标注样本，减小训练类别和测试类别之间的domain shift；
2. 基于强化学习的挑选策略（结合了performance-driven和confidence-based），优于传统confidence-based的greedy selection方法。

参考笔记：
论文成果 | 基于强化学习和自训练的零样本文本分类