对比学习（Contrastive Learning, CL）是近年来 AI 领域的热门研究方向，吸引了众多研究学者的关注，其所属的自监督学习方式，更是在 ICLR 2020 被 Bengio 和 LeCun 等大佬点名称为 AI 的未来，后陆续登陆 NIPS, ACL, KDD, CIKM 等各大顶会，Google, Facebook, DeepMind，阿里、腾讯、字节等大厂也纷纷对其投入精力，CL 的相关工作也是刷爆了 CV，乃至 NLP 部分问题的 SOTA，在 AI 圈的风头可谓一时无两。
CL 的技术源泉来自度量学习，大概的思想是：定义好样本的正例和负例，以及映射关系（将实体映射到新的空间），优化目标是让正例在空间中与目标样本的距离近一些，而负例要相对远一些。正因为如此，CL 看上去跟向量化召回思路很像，但其实二者有本质的区别，向量化召回属于监督学习的一种，会有明确的标签数据，而且更注重的负样本的选择（素有负样本为王的“学说”）；而 CL 是自监督学习（属于无监督学习的一种范式）的一支，不需要人工标注的标签信息，直接利用数据本身作为监督信息，学习样本数据的特征表达，进而引用于下游任务。此外，CL 的核心技术是数据增强（Data Augmentation），更加注重的是如何构造正样本。下图是一个抽象的 CL 整体流程图
对比学习的标签信息来源于数据本身，核心模块是数据增强。图像领域的数据增强技术是比较直观的，比如图像的旋转、遮挡、取部分、着色、模糊等操作，都可以得到一张与原图整体相似但局部相异的新图（即增强出来的新图），下图是部分图像数据增强的手段（出自SimCLR[1]）。
谈到CL的原理，不得不提自监督学习，它避开了人工标注的高成本，以及标签低覆盖的稀疏性，更容易学到通用的特征表示。自监督学习可以分成两大类：生成式方法和对比式方法。生成式方法的典型代表是自编码器，而对比式学习的经典代表即ICLR 2020的SimCLR，通过（增强后的）正负样本在特征空间的对比学习特征表示。相比较生成式方法，对比式方法的优势在于无需对样本进行像素级的重构，只需要在特征空间能够学到可区分性即可，这使得相关的优化变得简单。笔者认为，CL的有效性主要体现在学习item表示的可区分性，而可区分性的学习依赖正负样本的构造思路，以及具体的模型结构和优化目标。
结合CL的实现过程，Dr Zhang[2]抽象了三个CL必须要回答的问题，也是其区别于度量学习的典型特征，即（1）如何构造正例和负例，也就是数据增强具体是如何实现的；（2）Encoder映射函数如何构造，不仅要尽可能多地保留原始信息，而且要防止坍塌问题；（3）损失函数如何设计，目前通常使用的NCE loss，如下公式所示。不难看出，这三个基本问题对应建模的三要素：样本，模型，优化算法。
从 loss 公式中可以看出，分子部分强调的是与正例的距离越近越好，S函数衡量的是相似性，距离越近对应的S值越大，分母强调的是与负例的距离越远越好，loss 越低，对应的可区分性越高。
在这三个基本问题中，数据增强是 CL 算法的核心创新点，不同的增强手段是算法有效性的基本保障，也是各大 CL 算法的identity；Encoder函数通常借助神经网络实现；除 NCE loss外，还有其他 loss 的变体，比如Google[3]就提出了监督对比损失。
CL是自监督学习的一种学习算法，提到自监督学习，Bert 恐怕是 NLP 领域无法回避的话题，Bert 预训练 + Fine-tuning 的模式在诸多问题的解决方案中实现了突破，既然自监督可以在 NLP 取得成功，难道计算机视觉就不可以吗？实际上 Bert 在 NLP 领域取得的成功，也直接地刺激了 CL 在图像领域的发生和发展。鉴于数据增强可以在图像领域直观地展开，CL 也是率先在 CV 领域取得进展，比如 CL 的发展契机—— SimCLR 算法，其创新点主要包括（1）探索了多种不同的数据增强技术的组合，选择了最优；（2）在 Encoder 之后增加了非线性映射 Projector，主要是考虑 Encoder 学习的向量表示会把增强的信息包含在内，而 Projector 则旨在去除这部分影响，回归数据的本质。后来Hinton的学生在 SimCLR 的基础上实现了 SimCLR v2，主要改进点在于 Encoder 的网络结构，同时借鉴了 MoCo 使用的 Memory Bank 的思想，进一步提升了 SOTA。
实际上，在 SimCLR 之前，Kaiming He 在2019年底提出了对比学习的另一个经典算法MoCo[4]，其主要思想是既然对比是在正负样本之间进行的，那么增加负样本数量，可以提高学习任务的难度，从而增强模型性能，Memory Bank 是解决该问题的经典思路，但却无法避免表示不一致的问题，鉴于此，MoCo 算法提出了使用动量的方式更新 Encoder 参数，从而解决新旧候选样本编码不一致的问题。后来，Kaiming He 又在 MoCo 的基础上提出了 MoCo v2（在 SimCLR 提出之后），模型主要框架没有改动，主要在数据增强的方法、Encoder 结构以及学习率等细节问题上做了优化。
对比学习不仅是学术界在图像、文本、多模态等多个领域的热门研究方向，同时也在以推荐系统为代表的工业界得到了应用。
Google 将 CL 应用于推荐系统Google SSL[5]，目的在于针对冷门、小众的 item 也能学习到高质量的向量表示，从而辅助解决推荐冷启动问题。其数据增强技术主要采用 Random Feature Masking(RFM)，Correlated Feature Masking(CFM)的方法（CFM 一定程度上解决了 RFM 可能构造出无效变体的问题），进而 CL 以辅助塔的形式，结合双塔召回的主任务共同训练，整体流程如下图所示
在模型的训练过程中，主任务的 item 主要还是来自曝光日志，因此也是对头部热门 item 比较友好，为了消除马太效应的影响，在辅助任务中的样本构造需要考虑与主任务不同的分布，后续 CL 在转转的实践过程中也是借鉴了这样的思考，从而确保模型学习结果的充分覆盖。
数据增强不局限在 item 侧，Alibaba-Seq2seq[6]将 CL 的思想应用在序列推荐问题上，即输入用户行为序列，预测下一个可能交互的 item。具体地，其数据增强主要应用在用户行为序列特征，将用户历史行为序列按照时序划分成两个子序列，作为数据增强后的用户的表示，喂入双塔模型，最终输出结果越相似越好。与此同时，该文为了显式建模用户的多兴趣，在 Encoder 部分提取出多个向量，而不是压缩成一个用户向量。因为随着子序列的拆分，以及正负例的构造，用户天然具有多个行为序列的向量表示，在正例中，用户前一部分历史行为的向量，与后一部分历史行为的向量，距离相近，而在负例中，不同用户的距离相对较远，而且即使同一用户，在不同类别商品的向量表示也相对较远。
CL 还可以与其他学习范式结合应用，图对比学习[7]，整体框架如下图所示
GCL 通常通过随机删除图中的点或者边，实现图数据的增强，而本文的作者倾向于保持重要的结构和属性不变，扰动发生在不重要的边或者节点。
图像领域取得了成功，文本领域也是可以的，比如美团-ConSERT[8]算法，在句子语义匹配任务的实验中，相比之前的 SOTA（BERT-flow）提升了8%，并且在少量样本下仍能表现出较好的性能提升。该算法将数据增强作用在 Embedding 层，采用隐式生成增强样本的方法，具体地，提出了四种数据增强方法：对抗攻击（Adversarial Attack），打乱词序（Token Shuffling），裁剪（Cutoff）和 Dropout，这四种方法均通过调整 Embedding 矩阵得到，比显式增强方法更高效。
转转平台致力于促进低碳循环经济的更好发展，能够覆盖全品类商品，近年来尤其在手机3C领域的发展表现突出。CL 在转转推荐系统中的实践也是选择了基于文本的应用思路，考虑到二手交易特有的属性，需要解决的问题包括（1）二手商品的孤品属性，导致 ID 类的向量并不适用；（2）数据增强是怎么实现的；（3）正例和负例如何构造；（4）Encoder 的模型结构是怎样的（包括 loss 的设计问题）。针对这四个问题，结合下面的整体流程图进行详细说明
针对二手商品的孤品属性问题，我们采用基于文本的向量作为商品的表征，具体地，使用商品的文本描述（包括标题与内容）集合，训练 word2vec 模型，并基于词向量通过 pooling 得到商品的向量表示。
自编码器（Auto Encoder）算法是文本对比学习领域常用的数据增强手段之一（除此之外，还有机器翻译、CBERT等不同思路），我们也是采用 AE 算法训练模型，学习商品向量，并利用算法的中间向量作为商品的增强向量表示，也就有了正例。
负例的生产原则是 Batch 内随机选取不相似的商品，相似商品的判断依据是根据用户的后验点击行为计算而来。在以 CF（协同过滤）为代表的推荐系统召回结果中，能够通过共同点击行为召回的商品组合，认为是相似的，否则认为是不相似的。之所以采用行为依据判断是否相似，一方面是为了将用户的行为引入其中，实现文本与行为的有机结合，另一方面也是为了尽可能地贴合业务目标。
具体到 Encoder 部分，我们采用的是类似孪生网络的双塔结构，分别喂入样本（正正 or 正负）的文本向量，训练分类模型，网络结构为三层全连接的神经网络，双塔共享该网络参数，并通过优化交叉熵损失优化模型参数。实际工业界，大部分推荐系统中双塔模型的训练目标均为用户后验行为（点击、收藏、下单等），而我们的训练目标是样本相似与否，之所以采用孪生网络的形式，也是出于这样做可以保证学习结果的覆盖。
根据 CL 的常规思路，提取最终 Encoder 部分的输入向量作为商品的向量化表示，可以进一步在推荐系统的召回、粗排甚至精排等环节应用。目前已经在转转推荐系统的召回模块落地，给线上带来了超过10%的下单提袋率的提升。
通过人工评估以及线上AB实验，充分确认了CL习得向量表示的有效性，在召回模块落地后，可以在推荐系统其他模块，甚至其他算法场景推而广之。以预训练的方式学习商品向量表示（当然，也可以学习用户的向量表示），只是一条应用路径，CL 更多的是提供了一种学习框架或者学习思路，通过数据增强和对比的形式，使算法学习物品的可区分性，这样的思路可以自然地引入推荐系统的排序模块，因为排序问题也可以理解成物品的可区分性问题。
关于作者
李光明，资深算法工程师。参与转转搜索算法、推荐算法、用户画像等系统的算法体系建设，在GNN、小样本学习、对比学习等相关领域有实践应用。
[1]SimCLR: A_Simple_Framework_for_Contrastive_Learning_of_Visual_Representations
[2]张俊林: https://www.php.cn/link/be7ecaca534f98c4ca134e527b12d4c8
[3]Google: Supervised_Contrastive_Learning
[4]MoCo: Momentum_Contrast_for_Unsupervised_Visual_Representation_Learning
[5]SSL: Self-supervised_Learning_for_Large-scale_Item_Recommendations
[6]Ali-Seq2seq: Disentangled_Self-Supervision_in_Sequential_Recommenders
[7]GCL: Graph_contrastive_learning_with_adaptive_augmentation
[8]ConSERT: ConSERT:_A_Contrastive_Framework_for_Self-Supervised_Sentence_Representation_Transfer
以上是对比学习算法在转转的实践的详细内容。更多信息请关注PHP中文网其他相关文章！
