WSDM（Web Search and Data Mining，讀音為Wisdom）是業(yè)界公認(rèn)的高質(zhì)量學(xué)術(shù)會(huì)議，注重前沿技術(shù)在工業(yè)界的落地應(yīng)用，與SIGIR一起被稱為信息檢索領(lǐng)域的Top2。

剛剛在墨爾本結(jié)束的第12屆WSDM大會(huì)傳來(lái)一個(gè)好消息，由美團(tuán)搜索與NLP部NLP中心的劉帥朋、劉碩和任磊三位同學(xué)組成的Travel團(tuán)隊(duì)，在WSDM Cup 2019大賽 “真假新聞?wù)鐒e任務(wù)” 中獲得了第二名的好成績(jī)。隊(duì)長(zhǎng)劉帥朋受邀于2月15日代表團(tuán)隊(duì)在會(huì)上作口頭技術(shù)報(bào)告，向全球同行展示了來(lái)自美團(tuán)點(diǎn)評(píng)的解決方案。本文將詳細(xì)介紹他們本次獲獎(jiǎng)的解決方案。

1. 背景

信息技術(shù)的飛速發(fā)展，催生了數(shù)據(jù)量的爆炸式增長(zhǎng)。技術(shù)的進(jìn)步也使得了人們獲取信息的方式變得更加便捷，然而任何技術(shù)都是一把“雙刃劍”，信息技術(shù)在為人們的學(xué)習(xí)、工作和生活提供便利的同時(shí)，也對(duì)人類社會(huì)健康持續(xù)的發(fā)展帶來(lái)了一些新的威脅。目前亟需解決的一個(gè)問(wèn)題，就是如何有效識(shí)別網(wǎng)絡(luò)中大量存在的“虛假新聞”。虛假新聞傳播了很多不準(zhǔn)確甚至虛構(gòu)的信息，對(duì)整個(gè)線上資訊的生態(tài)造成了很大的破壞，而且虛假新聞會(huì)對(duì)讀者造成誤導(dǎo)，干擾正常的社會(huì)輿論，嚴(yán)重的危害了整個(gè)社會(huì)的安定與和諧。因此，本屆WSDM Cup的一個(gè)重要議題就是研究如何實(shí)現(xiàn)對(duì)虛假新聞的準(zhǔn)確甄別，該議題也吸引了全球眾多數(shù)據(jù)科學(xué)家的參與。

雖然美團(tuán)點(diǎn)評(píng)的主營(yíng)業(yè)務(wù)與在線資訊存在一些差異，但本任務(wù)涉及的算法原理是通用的，而且在美團(tuán)業(yè)務(wù)場(chǎng)景中也可以有很多可以落地，例如虛假評(píng)論識(shí)別、智能客服中使用的問(wèn)答技術(shù)、NLP平臺(tái)中使用的文本相似度計(jì)算技術(shù)、廣告匹配等。于是，Travel團(tuán)隊(duì)通過(guò)對(duì)任務(wù)進(jìn)行分析，將該問(wèn)題轉(zhuǎn)化為NLP領(lǐng)域的“自然語(yǔ)言推理” (NLI)任務(wù)，即判斷給定的兩段文本間的邏輯蘊(yùn)含關(guān)系。因此，基于對(duì)任務(wù)較為深入理解和平時(shí)的技術(shù)積累，他們提出了一種解決方案——一種基于多層次深度模型融合框架的虛假新聞?wù)鐒e技術(shù)，該技術(shù)以最近NLP領(lǐng)域炙手可熱的BERT為基礎(chǔ)模型，并在此基礎(chǔ)上提出了一種多層次的模型集成技術(shù)。

2. 數(shù)據(jù)分析

為了客觀地衡量算法模型的效果，本屆大會(huì)組織方提供了一個(gè)大型新聞數(shù)據(jù)集，該數(shù)據(jù)集包含32萬(wàn)多個(gè)訓(xùn)練樣本和8萬(wàn)多個(gè)測(cè)試樣本，這些數(shù)據(jù)樣本均取材于互聯(lián)網(wǎng)上真實(shí)的數(shù)據(jù)。每個(gè)樣本包含有兩個(gè)新聞標(biāo)題組成的標(biāo)題對(duì)，其中標(biāo)題對(duì)類別標(biāo)簽包括Agreed、Disagreed、Unrelated等3種。他們的任務(wù)就是對(duì)測(cè)試樣本的標(biāo)簽類別進(jìn)行預(yù)測(cè)。

“磨刀不誤砍柴功”，在一開(kāi)始，Travel團(tuán)隊(duì)并沒(méi)有急于搭建模型，而是先對(duì)數(shù)據(jù)進(jìn)行了全面的統(tǒng)計(jì)分析。他們認(rèn)為，如果能夠通過(guò)分析發(fā)現(xiàn)數(shù)據(jù)的一些特性，就會(huì)有助于后續(xù)采取針對(duì)性的策略。

首先，他們統(tǒng)計(jì)了訓(xùn)練數(shù)據(jù)中的類別分布情況，如圖1所示，Unrelated類別占比最大，接近70%；而Disagreed類占比最小，不到3%。訓(xùn)練數(shù)據(jù)存在嚴(yán)重的類別不均衡問(wèn)題，如果直接用這樣的訓(xùn)練數(shù)據(jù)訓(xùn)練模型，這會(huì)導(dǎo)致模型對(duì)占比較大類的學(xué)習(xí)比較充分，而對(duì)占比較小的類別學(xué)習(xí)不充分，從而使模型向類別大的類別進(jìn)行偏移，存在較嚴(yán)重的過(guò)擬合問(wèn)題。后面也會(huì)介紹他們針對(duì)該問(wèn)題提出的對(duì)應(yīng)解決方案。

然后，Travel團(tuán)隊(duì)對(duì)訓(xùn)練數(shù)據(jù)的文本長(zhǎng)度分布情況進(jìn)行了統(tǒng)計(jì)，如圖2所示，不同類別的文本長(zhǎng)度分布基本保持一致，同時(shí)絕大多數(shù)文本長(zhǎng)度分布在20～100內(nèi)。這些統(tǒng)計(jì)信息對(duì)于后面模型調(diào)參有著很大的幫助。

3. 數(shù)據(jù)的預(yù)處理與數(shù)據(jù)增強(qiáng)

本著“數(shù)據(jù)決定模型的上限，模型優(yōu)化只是不斷地逼近這個(gè)上限”的想法，接下來(lái)，Travel團(tuán)隊(duì)對(duì)數(shù)據(jù)進(jìn)行了一系列的處理。

在數(shù)據(jù)分析時(shí)，他們發(fā)現(xiàn)訓(xùn)練數(shù)據(jù)存在一定的噪聲，如果不進(jìn)行人工干預(yù)，將會(huì)影響模型的學(xué)習(xí)效果。比如新聞文本語(yǔ)料中簡(jiǎn)體與繁體共存，這會(huì)加大模型的學(xué)習(xí)難度。因此，他們對(duì)數(shù)據(jù)進(jìn)行繁體轉(zhuǎn)簡(jiǎn)體的處理。同時(shí)，過(guò)濾掉了對(duì)分類沒(méi)有任何作用的停用詞，從而降低了噪聲。

此外，上文提到訓(xùn)練數(shù)據(jù)中，存在嚴(yán)重的樣本不均衡問(wèn)題，如果不對(duì)該問(wèn)題做針對(duì)性的處理，則會(huì)嚴(yán)重制約模型效果指標(biāo)的提升。通過(guò)對(duì)數(shù)據(jù)進(jìn)行了大量的分析后，他們提出了一個(gè)簡(jiǎn)單有效的緩解樣本不均衡問(wèn)題的方法，基于標(biāo)簽傳播的數(shù)據(jù)增強(qiáng)方法。具體方法如圖3所示：

如果標(biāo)題A與標(biāo)題B一致，而標(biāo)題A與標(biāo)題C一致，那么可以得出結(jié)論，標(biāo)題B與標(biāo)題C一致。同理，如果標(biāo)題A與標(biāo)題B一致，而標(biāo)題A與標(biāo)題D不一致，那么可以得出結(jié)論，標(biāo)題B與標(biāo)題D也不一致。此外，Travel團(tuán)隊(duì)還通過(guò)將新聞對(duì)中的兩條文本相互交換位置，來(lái)擴(kuò)充訓(xùn)練數(shù)據(jù)集。

4. 基礎(chǔ)模型

BERT是Google最新推出的基于雙向Transformer的大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型，在11項(xiàng)NLP任務(wù)中奪得SOTA結(jié)果，引爆了整個(gè)NLP界。BERT取得成功的一個(gè)關(guān)鍵因素是Transformer的強(qiáng)大特征提取能力。Transformer可以利用Self-Attention機(jī)制實(shí)現(xiàn)快速并行訓(xùn)練，改進(jìn)了RNN最被人所詬病的“訓(xùn)練慢”的缺點(diǎn)，可以高效地對(duì)海量數(shù)據(jù)進(jìn)行快速建模。同時(shí)，BERT擁有多層注意力結(jié)構(gòu)（12層或24層），并且在每個(gè)層中都包含有多個(gè)“頭”（12頭或16頭）。由于模型的權(quán)重不在層與層之間共享，一個(gè)BERT模型相當(dāng)于擁有12×12=224或24×16=384種不同的注意力機(jī)制，不同層能夠提取不同層次的文本或語(yǔ)義特征，這可以讓BERT具有超強(qiáng)的文本表征能力。

本賽題作為典型的自然語(yǔ)言推理（NLI）任務(wù)，需要提取新聞標(biāo)題的高級(jí)語(yǔ)義特征，BERT的超強(qiáng)文本表征能力正好本賽題所需要的。基于上述考慮，Travel團(tuán)隊(duì)的基礎(chǔ)模型就采用了BERT模型，其中BERT網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示：

在比賽中，Travel團(tuán)隊(duì)在增強(qiáng)后的訓(xùn)練數(shù)據(jù)上對(duì)Google預(yù)訓(xùn)練BERT模型進(jìn)行了微調(diào)（Finetune），使用了如圖5所示的方式。為了讓后面模型融合增加模型的多樣性，他們同時(shí)Finetune了中文版本和英文版本。

5. 多層次深度模型融合框架

模型融合，是指對(duì)已有的多個(gè)基模型按照一定的策略進(jìn)行集成以提升模型效果的一種技術(shù)，常見(jiàn)的技術(shù)包括Voting、Averaging、Blending、Stacking等等。這些模型融合技術(shù)在前人的許多工作中得到了應(yīng)用并且取得了不錯(cuò)的效果，然而任何一種技術(shù)只有在適用場(chǎng)景下才能發(fā)揮出最好的效果，例如Voting、Averaging技術(shù)的融合策略較為簡(jiǎn)單，一般來(lái)說(shuō)效果提升不是非常大，但優(yōu)點(diǎn)是計(jì)算邏輯簡(jiǎn)單、計(jì)算復(fù)雜度低、算法效率高；而Stacking技術(shù)融合策略較復(fù)雜，一般來(lái)說(shuō)效果提升比較明顯，但缺點(diǎn)是算法計(jì)算復(fù)雜度高，對(duì)計(jì)算資源的要求較苛刻。

本任務(wù)使用的基模型為BERT，該模型雖然擁有非常強(qiáng)大的表征建模能力，但同時(shí)BERT的網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，包含的參數(shù)眾多，計(jì)算復(fù)雜度很高，即使使用了專用的GPU計(jì)算資源，其訓(xùn)練速度也是比較慢的，因此這就要求在對(duì)BERT模型融合時(shí)不能直接使用Stacking這種高計(jì)算復(fù)雜度的技術(shù)，因此我們選擇了Blending這種計(jì)算復(fù)雜度相對(duì)較低、融合效果相對(duì)較好的融合技術(shù)對(duì)基模型BERT做融合。

同時(shí)，Travel團(tuán)隊(duì)借鑒了神經(jīng)網(wǎng)絡(luò)中網(wǎng)絡(luò)分層的設(shè)計(jì)思想來(lái)設(shè)計(jì)模型融合框架，他們想既然神經(jīng)網(wǎng)絡(luò)可以通過(guò)增加網(wǎng)絡(luò)深度來(lái)提升模型的效果，那么在模型融合中是否也可以通過(guò)增加模型融合的層數(shù)來(lái)提升模型融合的效果呢？基于這一設(shè)想，他們提出了一種多層次深度模型融合框架，該框架通過(guò)增加模型的層數(shù)進(jìn)而提升了融合的深度，最終取得了更好的融合效果。

具體來(lái)說(shuō)，他們的框架包括三個(gè)層次，共進(jìn)行了兩次模型融合。第一層采用Blending策略進(jìn)行模型訓(xùn)練和預(yù)測(cè)，在具體實(shí)踐中，他們選定了25個(gè)不同的BERT模型作為基模型；第二層采用5折的Stacking策略對(duì)25個(gè)基模型進(jìn)行第一次融合，這里他們選用了支持向量機(jī)（SVM）、邏輯回歸（LR）、K近鄰（KNN）、樸素貝葉斯（NB），這些傳統(tǒng)的機(jī)器學(xué)習(xí)模型，既保留了訓(xùn)練速度快的優(yōu)點(diǎn)，也保證了模型間的差異性，為后續(xù)融合提供了效率和效果的保證；第三層采用了一個(gè)線性的LR模型，進(jìn)行第二次模型融合并且生成了最終的結(jié)果。模型融合的架構(gòu)如圖6所示：

整體方案模型訓(xùn)練分為三個(gè)階段，如圖7所示：

• 第一個(gè)階段，將訓(xùn)練數(shù)據(jù)劃分為兩部分，分別為Train Data和Val Data。Train Data用于訓(xùn)練BERT模型，用訓(xùn)練好的BERT模型分別預(yù)測(cè)Val Data和Test Data。將不同BERT模型預(yù)測(cè)的Val Data和Test Data的結(jié)果分別進(jìn)行合并，可以得到一份新的訓(xùn)練數(shù)據(jù)New Train Data和一份新的測(cè)試數(shù)據(jù)New Test Data。
• 第二階段，將上一階段的New Train Data作為訓(xùn)練數(shù)據(jù)，New Test Data作為測(cè)試數(shù)據(jù)。本階段將New Train Data均勻的劃分為5份，使用“留一法”訓(xùn)練5個(gè)SVM模型，用這5個(gè)模型分別去預(yù)測(cè)剩下的一份訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)，將5份預(yù)測(cè)的訓(xùn)練數(shù)據(jù)合并，可以得到一份新的訓(xùn)練數(shù)據(jù)NewTrainingData2，將5份預(yù)測(cè)的測(cè)試數(shù)據(jù)采用均值法合并，得到一份新的測(cè)試數(shù)據(jù)NewTestData2。同樣的方法再分別訓(xùn)練LR、KNN、NB等模型。
• 第三階段，將上一階段的NewTrainingData2作為訓(xùn)練數(shù)據(jù)，NewTestData2作為測(cè)試數(shù)據(jù)，重新訓(xùn)練一個(gè)LR模型，預(yù)測(cè)NewTestData2的結(jié)果作為最終的預(yù)測(cè)結(jié)果。為了防止過(guò)擬合，本階段采用5折交叉驗(yàn)證的訓(xùn)練方式。

6. 實(shí)驗(yàn)

6.1 評(píng)價(jià)指標(biāo)

為了緩解數(shù)據(jù)集中存在的類別分布不均衡問(wèn)題，本任務(wù)使用帶權(quán)重的準(zhǔn)確率作為衡量模型效果的評(píng)價(jià)指標(biāo)，其定義如下所示：

$$ weightedAccuracy(y,\hat{y},ω) = \frac{1}{n}\sum_{i=1}^n\frac{ω_i(y_i = \hat{y})}{\sumω_i} $$

其中，y為樣本的真實(shí)類別標(biāo)簽，$\hat{y}$為模型的預(yù)測(cè)結(jié)果，$ω_i$為數(shù)據(jù)集中第i個(gè)樣本的權(quán)重，其權(quán)重值與類別相關(guān)，其中Agreed類別的權(quán)重為1/15，Disagreed類別的權(quán)重為1/5，Unrelated類別的權(quán)重為1/16。

6.2 實(shí)驗(yàn)結(jié)果

在官方測(cè)試集上，Travel團(tuán)隊(duì)的最優(yōu)單模型的準(zhǔn)確率達(dá)到0.86750，25個(gè)BERT模型簡(jiǎn)單平均融合后準(zhǔn)確率達(dá)0.87700（+0.95PP），25個(gè)BERT模型結(jié)果以加權(quán)平均的形式融合后準(zhǔn)確率達(dá)0.87702（+0.952PP），他們提出的多層次模型融合技術(shù)準(zhǔn)確率達(dá)0.88156（+1.406PP）。實(shí)踐證明，美團(tuán)NLP中心的經(jīng)驗(yàn)融合模型在假新聞分類任務(wù)上取得了較大的效果提升。

7. 總結(jié)與展望

本文主要對(duì)解決方案中使用的關(guān)鍵技術(shù)進(jìn)行了介紹，比如數(shù)據(jù)增強(qiáng)、數(shù)據(jù)預(yù)處理、多層模型融合策略等，這些方法在實(shí)踐中證明可以有效的提升預(yù)測(cè)的準(zhǔn)確率。由于參賽時(shí)間所限，還有很多思路沒(méi)有來(lái)及嘗試，例如美團(tuán)使用的BERT預(yù)訓(xùn)練模型是基于維基百科數(shù)據(jù)訓(xùn)練而得到的，而維基百科跟新聞在語(yǔ)言層面也存在較大的差異，所以可以將現(xiàn)有的BERT在新聞數(shù)據(jù)上進(jìn)行持續(xù)地訓(xùn)練，從而使其能夠?qū)π侣剶?shù)據(jù)具有更好的表征能。

參考文獻(xiàn)

• [1] Dagan, Ido, Oren Glickman, and Bernardo Magnini. 2006. The PASCAL recognising textual entailment challenge, Machine learning challenges. evaluating predictive uncertainty, visual object classification, and recognising tectual entailment. Springer, Berlin, Heidelberg, 177-190.
• [2] Bowman S R, Angeli G, Potts C, et al. 2015. A large annotated corpus for learning natural language inference. In proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing (EMNLP).
• [3] Adina Williams, Nikita Nangia, and Samuel R Bowman. 2018. A broad-coverage challenge corpus for sentence understanding through inference. In NAACL.
• [4] Rajpurkar P, Zhang J, Lopyrev K, et al. 2016. Squad: 100,000+ questions for machine comprehension of text. arXiv preprint arXiv:1606.05250.
• [5] Luisa Bentivogli, Bernardo Magnini, Ido Dagan, Hoa Trang Dang, and Danilo Giampiccolo. 2009. The fifth PASCAL recognizing textual entailment challenge. In TAC. NIST.
• [6] Hector J Levesque, Ernest Davis, and Leora Morgenstern. 2011. The winograd schema challenge. In Aaai spring symposium: Logical formalizations of commonsense reasoning, volume 46, page 47.
• [7] Bowman, Samuel R., et al. 2015. “A large annotated corpus for learning natural language inference.” arXiv preprint arXiv:1508.05326.
• [8] Wang, A., Singh, A., Michael, J., Hill, F., Levy, O., & Bowman, S. R. 2018. GLUE: A Multi-Task Benchmark and Analysis Platform for Natural Language Understanding. arXiv preprint arXiv:1804.07461.
• [9] Chen, Q., Zhu, X., Ling, Z., Wei, S., Jiang, H., & Inkpen, D. 2016. Enhanced lstm for natural language inference. arXiv preprint arXiv:1609.06038.
• [10] Alec Radford, Karthik Narasimhan, Tim Salimans, and Ilya Sutskever. 2018. Improving language understanding with unsupervised learning. Technical report, OpenAI.
• [11] Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. 2018. Bert: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint arXiv:1810.04805.
• [12] David H. Wolpert. 1992. Stacked generalization. Neural Networks (1992). https: //doi.org/10.1016/S0893- 6080(05)80023- 1.

作者簡(jiǎn)介

• 劉帥朋，碩士，美團(tuán)點(diǎn)評(píng)搜索與NLP部NLP中心高級(jí)算法工程師，目前主要從事NLU相關(guān)工作。曾任中科院自動(dòng)化研究所研究助理，主持研發(fā)的智能法律助理課題獲CCTV-1頻道大型人工智能節(jié)目《機(jī)智過(guò)人第二季》報(bào)道。
• 劉碩，碩士，美團(tuán)點(diǎn)評(píng)搜索與NLP部NLP中心智能客服算法工程師，目前主要從事智能客服對(duì)話平臺(tái)中離線挖掘相關(guān)工作。
• 任磊，碩士，美團(tuán)點(diǎn)評(píng)搜索與NLP部NLP中心知識(shí)圖譜算法工程師，目前主要從事美團(tuán)大腦情感計(jì)算以及BERT應(yīng)用相關(guān)工作。
• 會(huì)星，博士，擔(dān)任美團(tuán)點(diǎn)評(píng)搜索與NLP部NLP中心的研究員，智能客服團(tuán)隊(duì)負(fù)責(zé)人。目前主要負(fù)責(zé)美團(tuán)智能客服業(yè)務(wù)及智能客服平臺(tái)的建設(shè)。在此之前，會(huì)星在阿里達(dá)摩院語(yǔ)音實(shí)驗(yàn)室作為智能語(yǔ)音對(duì)話交互專家，主要負(fù)責(zé)主導(dǎo)的產(chǎn)品有斑馬智行語(yǔ)音交互系統(tǒng)，YunOS語(yǔ)音助理等，推動(dòng)了阿里智能對(duì)話交互體系建設(shè)。
• 富崢，博士，擔(dān)任美團(tuán)點(diǎn)評(píng)搜索與NLP部NLP中心的研究員，帶領(lǐng)知識(shí)圖譜算法團(tuán)隊(duì)。目前主要負(fù)責(zé)美團(tuán)大腦項(xiàng)目，圍繞美團(tuán)吃喝玩樂(lè)場(chǎng)景打造的知識(shí)圖譜及其應(yīng)用，能夠打通餐飲、旅行、休閑娛樂(lè)等各個(gè)場(chǎng)景數(shù)據(jù)，為美團(tuán)各場(chǎng)景業(yè)務(wù)提供更加智能的服務(wù)。張富崢博士在知識(shí)圖譜、個(gè)性化推薦、用戶畫(huà)像、時(shí)空數(shù)據(jù)挖掘等領(lǐng)域展開(kāi)了眾多的創(chuàng)新性研究，并在相關(guān)領(lǐng)域的頂級(jí)會(huì)議和期刊上發(fā)表30余篇論文，如KDD、WWW、AAAI、IJCAI、TKDE、TIST等，曾獲ICDM2013最佳論文大獎(jiǎng)，出版學(xué)術(shù)專著1部。
• 仲遠(yuǎn)，博士，美團(tuán)點(diǎn)評(píng)搜索與NLP部負(fù)責(zé)人。在國(guó)際頂級(jí)學(xué)術(shù)會(huì)議發(fā)表論文30余篇，獲得ICDE 2015最佳論文獎(jiǎng)，并是ACL 2016 Tutorial “Understanding Short Texts”主講人，出版學(xué)術(shù)專著3部，獲得美國(guó)專利5項(xiàng)。此前，博士曾擔(dān)任微軟亞洲研究院主管研究員，以及美國(guó)Facebook公司Research Scientist。曾負(fù)責(zé)微軟研究院知識(shí)圖譜、對(duì)話機(jī)器人項(xiàng)目和Facebook產(chǎn)品級(jí)NLP Service。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來(lái)咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的WSDM Cup 2019自然语言推理任务获奖解题思路的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。