基于文本语料推断含义及使用外部含义清单的含义表示模型

词嵌入方法在众多自然语言处理任务中得到了广泛的应用。然而，词嵌入方法将多义词合并为单一表示，因此并不精确。为了更好地区分同一单词的不同含义，人们转而提出了含义嵌入（sense embeddings）。卡迪夫大学的Jose Camacho-Collados和剑桥大学的Mohammad Taher Pilehvar最近发表了论文（arXiv:1805.04032v2），概览了含义向量表示的主要方法。

意义合并缺陷

词嵌入方法的主要缺陷是无法很好地处理多义词。由于在词嵌入方法中，每个单词表示为语义空间中的一个向量，因此它将多义词的不同义项合并为单一表示，这就导致了意义合并缺陷（meaning conflation deficiency）：

词嵌入无法有效捕捉同一单词的不同义项，即使这些义项都在训练语料中出现过。

语义上无关的单词，被多义词拉扯到一起（见下图）。

合并缺陷违反了欧几里得空间的三角不等性，削弱了单词空间模型的有效性。

语义上无关的rabbit（兔）和computer（计算机）因mouse（老鼠/鼠标）牵扯到一起

因此，人们开始寻找直接建模词义的方法。最早的建模方法，依赖于人工编制的意义清单（例如WordNet）。近年来，通过分析文本语料推导词义差别的无监督表示模型渐渐流行。下面我们将分别介绍这两种范式。

基于知识的语义表示

这一范式利用外部资源中的知识建模语义。首先，我们将概览主要的外部资源。接着，我们将简要介绍一些使用外部资源改进词向量的方法。最后我们重点介绍构建基于知识的含义表示的方法。

知识资源

WordNet是NLP和语义表示学习中使用最为广泛的资源之一。WordNet可以看成一个语义网络。其中的节点为synset（同义词集），例如，表示“脊柱”这一概念的synset包括spinal column、vertebral column、spine、backbone、back、rachis六个词汇。synset之间的联系（例如上位关系和部分整体关系）则为节点的边。Open Multilingual Wordnet等项目则致力于将WordNet扩展到其他语言。

Wikipedia（维基百科）是最著名的协同构建资源。它是世界上最大的多语言百科，支持超过250种语言。而且，它还在持续更新之中，例如，英语维基百科每天新增将近750篇新文章。另外，Wikimedia基金会还运营Wikidata项目，一个面向文档的语义数据库，为维基百科和其他wikimedia项目提供共享数据。类似的项目有DBpedia，致力于结构化维基百科的内容。

BabelNet将WordNet连接到包括维基百科在内的协作构建的资源。BabelNet的结构和WordNet类似，只不过synset包含多个语种。synset间的联系来自WordNet及其他资源（例如维基百科的超链接和Wikidata）。

ConceptNet结合了WordNet、Wiktionary、DBpedia等资源的语义信息。和WordNet、BabelNet不同，ConceptNet的主要语义单元是词汇而不是synset。

PPDB（Paraphrase Database）基于图结构，以词组为节点，以词组间的相互关系为边。

知识增强词向量方法

知识增强词表示（knowledge-enhanced word representation）利用知识资源改进现有的词向量表示，加上文本语料中未包含的信息。

知识增强词表示，主要有两种思路，一为修改模型的目标函数，以便在学习过程中纳入知识资源的信息，一为在后处理阶段改进预训练的词嵌入。

后者通常称为retrofitting（改装）。其直觉为，在词向量空间中，移动知识资源中联系密切的单词对应的向量表示，使其更为接近。retrofitting模型的主要目标函数为最小化下式：

上式中，|V|表示词汇量，N是给定的语义网络（知识资源），语义网络的形式为单词对的集合，wi和wj为预训练模型的词嵌入，戴帽wi为输出词嵌入，αi、βi,j为可调整的控制系数。

基于知识的含义表示

基于知识的含义表示（knowledge-based sense representations）的基本思路是利用知识资源的信息拆分（de-conflating）词表示为含义表示。

知识资源的信息主要有两种表示形式，文本定义和语义网络。

在很多方法中，文本定义作为初始化含义表示的主要信号使用。例如，根据文本定义，对含义相近的预训练词嵌入取均值，作为初始化含义嵌入（Chen等，2014，A Unified Model for Word Sense Representation and Disambiguation）。再如，基于文本定义，利用卷积神经网络架构初始化含义嵌入（aclweb/P15-2003）。

和之前知识增强词向量方法类似，基于语义网络，通过修改目标函数或后处理词嵌入，可以从词嵌入拆分出含义嵌入。

digit既可以指手指（digit#hand），也可以指数字（digit#number）

前者的例子有Mancini等在2016年底的工作（arXiv:1612.02703），修改了Word2Vec的目标函数，在同一向量空间中同时学习词嵌入和含义嵌入。

后者的例子包括：

Jauhar等在2015年对retrofitting方法的扩展（Ontologically Grounded Multi-sense Representation Learning for Semantic Vector Space Models）

Johansson和Pina在2015年提出，后处理预训练词嵌入可以看起一个优化问题：多义词嵌入可以分解为其含义嵌入的组合，同时含义嵌入应该靠近其语义网络中的邻居。（aclweb/N15-1164）他们使用了SALDO语义网络（一个瑞典语语义网络），不过他们的方法可以直接扩展到其他语义网络。

Rothe和Schütze在2015年提出的AutoExtend，一个自动编码器架构，该架构主要基于以下两个限制：词向量对应于其含义向量之和，synset向量对应于其词汇/含义之和。例如，词向量digit对应于digit（手指）和digit（数字）两个含义向量之和，synset向量“预订”对应于含义向量reserve、hold、book之和。即：

其中，s表示含义，w表示词，y表示synset。

无监督含义表示

基于知识的含义表示依赖人工编制的意义清单，因此在某些场景下受到限制，例如，语料缺乏相应的外部知识资源。近年来，随着算力的提升和机器学习技术的发展，无监督含义表示渐渐流行。

无监督含义表示方法的核心是词义推导，也就是基于文本语料自动识别单词的可能含义。其背后的直觉为，既然我们可以通过上下文学习单词的表示，那么我们同样可以通过上下文学习单词的不同含义。

这一方向早期的工作是双阶段模型（two-stage model），即首先推导出含义，然后学习其表示。

双阶段模型

这方面的先锋之一是Schütze在1998提出的上下文分组识别（context-group discrimination）。其基本的思路是，聚类多义词出现的上下文，然后基于上下文相似性自动推断其含义。（aclweb/J98-1004）

后续这个方向的研究大多沿袭Schütze这一工作的思路，只不过改变了上下文表示形式和聚类算法（Schütze使用了最大期望算法）。

2010年，Reisinger和Moone直接聚类上下文，也就是将上下文表示为一元语法的特征向量，而不是词向量，大大降低了计算负担，使这一基于聚类的方法能够用于较大的语料。另外，他们还使用了movMF聚类算法，这是一种和k-均值类似的算法，不过它允许使用聚类特定的聚集参数控制语义的广度，以更好地建模聚类尺寸的偏斜分布。（dl.acm/1858012）

类似地，Huang等在2012年改进了基于聚类的含义表示技术，通过idf加权平均词向量得到上下文向量，并使用球形k均值聚类。然后根据聚类标注单词的用例，并基于此学习含义表示。（aclweb/P12-1092）

双阶段模型的问题在于，聚类和含义表示学习均基于上下文，这两者有潜在的相似性，分两个阶段单独进行浪费了这一潜在的相似性，也浪费了算力。因此，最近的研究大部分转向了联合训练（joint training），即同时进行推断和表示学习。

联合模型

Neelakantan等在2014年提出了MSSG（Multiple-Sense Skip-Gram）模型，扩展了Skip-gram嵌入模型。和前面提到的工作类似，MSSG也通过聚类形成单词的含义表示。不过，聚类和含义表示学习是同时进行的。在训练阶段，每个单词的预期含义是动态选择的，选择和上下文最接近的含义。与此同时，Tian等在2014年提出了一个基于Skip-gram的含义表示技术，将Skip-gram模型中的词嵌入替换为有限混合模型，其中每个模型对应单词的一个原型（prototype）。（aclweb/C14-1016）

Yang Liu等主张上面的技术在推断含义表示时仅仅使用了单词的局部上下文，因此是有局限的。为了应对这一问题，他们在2015年提出了TWE模型（Topical Word Embeddings）。其中，每个单词在不同主题下可能有不同的词嵌入，主题则通过基于全局计算的潜主题建模。Pengfei Liu等提出的NTSG模型（ Neural Tensor Skip-gram）应用了同样的想法，只不过引入了张量以更好地学习单词和主题之间的关系。Nguyen等在2017年提出了TWE的一个扩展，MSWE模型，TWE在给定上下文中会选取最合适的含义，而MSWE则使用权重混合表示给定上下文中单词和不同含义的关联程度。

出于实现的简单性，联合模型往往假定每个单词有固定数目的含义（使用启发式算法猜测数目）。然而这一假定和实际情况并不相符，单词的含义数量可能差别很大。虽然在WordNet 3.0中，大约80%的单词为单义词，不到5%的单词有3个以上含义。然而，如果我们重点关注常用词，则情况大不相同。常用词大都是多义词，而且其含义数量分布比较分散。

SemCor数据集中常用词的含义数量分布

之前提到的MSSG模型考虑了这一点，使用的是一种实时非参数聚类算法，对某个单词而言，仅仅在与现有含义的相似性低于某个阈值时才创建新含义。Bartunov等在2015年提出的AdaGram模型（Adaptive Skip-gram，自适应Skip-gram模型），则基于非参数贝叶斯方法实现了动态多义（dynamic polysemy）。

另外，以上的联合模型都有一个缺陷，推断含义所用的上下文仍然为可能有歧义的词向量，而不是含义向量。换句话说，这些联合模型都不是纯粹的基于含义的模型。

有鉴于此，Qiu等在2016年提出了一个纯含义模型（aclweb/D16-1018），同时，这一模型也将去歧义上下文从之前的小窗口扩展至整个句子。Lee和Chen在2017年提出的MUSE模型则是另一个Skip-gram的纯含义扩展，MUSE使用了强化学习方法。

多语语料

由于歧义通常并不跨语言，比如中文分别使用“老鼠”和“鼠标”，没有英文中mouse的歧义问题。因此我们可以利用多语语料对单词的翻译进行聚类，然后基于翻译聚类构建含义嵌入表示。这一方法在机器翻译（Machine Translation）领域尤为常用。

与下游应用的集成

文本的表示通常只是第一步，要完成NLP任务，通常还需要后续处理。目前而言，词嵌入可以很方便地集成到下游应用中，而含义嵌入在这方面还处于婴儿期。

Pilehvar等在2017年的研究（aclweb/E17-2062）表明，当输入文本足够庞大的时候，基于知识的含义嵌入能够提升文本分类的效果，但在大多数数据集上，使用预训练的含义嵌入相比词嵌入，表现没有明显的提升。

2015年，Li和Jurafsky提出了一个框架（arXiv:1506.01070），可以将无监督含义嵌入集成到多项自然语言处理任务中。然而，他们发现无监督含义嵌入并没有显著优势，增加词嵌入的维度可以取得相近的效果。

2018年，Peters等提出了学习深度双向语言模型（LSTM）的内部状态所得的词向量。（arXiv:1802.05365）他们发现，这一上下文词表示（contextualized word representations）可以很容易地加入现有的模型，并显著提升问答（question answering）、文本蕴涵（textual entailment）、情感分析（sentiment analysis）等6个NLP问题上当前最先进模型的表现。

黄色表示上下文敏感嵌入，灰色表示上下文无关嵌入

和（上下文无关）词嵌入不同，上下文词表示是动态的，其表示因所出现的上下文环境的不同而不同。上下文词表示的直觉是，语言模型单元隐式地根据上下文区分了多义词的具体含义。

结语

本文概览了直接基于文本语料推断含义（无监督）及使用外部含义清单（基于知识）的含义表示模型。其中一些模型已经在实践中取得了不错的效果，但含义表示模型仍有很大的提升空间。例如，大部分模型只在英语语料上测试过，只有少数模型涉及英语以外的语料。再如，含义表示模型集成到下游应用的最佳策略尚不明确，同时预先去歧义是否必要也不确定。

含义的定义和正确的范式仍然是一个开放问题。含义需要是离散的吗？含义需要依赖知识资源或含义清单吗？含义可以根据上下文动态学习吗？这些问题仍有待探索。