Pre-training Tasks for Embedding-based Large-scale Retrieval
[접기]
목차
| Pre-training Tasks for Embedding-based Large-scale Retrieval - ICLR 2020. 04. - |
| https://arxiv.org/pdf/2002.03932.pdf |
1. Information Retrieval
1.1. Scoring Function $ f $
일반적으로 IR(Information Retrieval) 문제에 사용되는 모델들은 다음과 같은 함수를 학습한다고 볼 수 있습니다.
$$ f : Q \times D \to \mathbb{R} $$여기서 $ Q $는 질의(query)들의 집합, $ D $는 문서(document)들의 집합입니다. 즉, 모델은 $ (q, d) \in Q \times D $에 대해 $ f(q, d) $라는 점수를 생성합니다. 이 점수는 $ (q, d) $가 서로 관련있는 질의와 문서 쌍인 경우 높아야하고, 관련 없는 쌍인 경우 낮아야합니다. 물론, 여기서 질의와 문서라고 부르기는 했지만 실제로는 다양한 정보 검색 문제들을 이 형태로 표현할 수 있습니다. 상품 추천 시스템에서는 $ q $가 사용자의 정보(최근에 산 물건, 찜목록 등)이고 $ d $가 후보 상품이 될 수 있습니다. 문서마다 적절한 태그를 붙이고자하는 검색엔진 개발자한테는 $ q $가 실제 웹 문서이고 $ d $가 후보 태그가 될 수 있습니다. 뒤에서 조금 더 자세히 살펴보겠지만, open-domain QA에서는 $ q $가 주어진 질의, $ d $가 정답을 포함하고 있는 단락을 나타낼 수 있습니다.
1.2. IR의 2단계
그러나 좋은 성능을 위해선 $ f $가 복잡하고 느릴 것이고, 이는 수십만 또는 그이상의 대규모 문서들을 대상으로 IR을 수행할 때 큰 문제가 됩니다. 즉, 실제 검색엔진이나 대규모 추천시스템에 적용할 수 없다는 뜻입니다. 그렇기 때문에 일반적으로 IR은 2단계를 거치는데, 첫 번째 단계에서는 빠르게 동작하지만 높은 Recall을 가지는 $ f $를 적용하여 후보 문서를 줄이고(top 1000이나 top 100 등) 두 번째 단계에서는 성능이 좋지만 느릴 수 있는 $ f $를 적용합니다. 그러나 최근에 이루어지고있는 대부분의 연구들은 두 번째 단계에서 성능을 향상시키려하고 있는데, 여기에서 성능이 아무리 올라도 첫 번째 단계에서 놓친 정답 문서들 찾아올 수는 없습니다. 이에 저자들은 첫 번째 단계에 집중하는 것이 중요함을 이야기하면서 자신들의 연구를 소개합니다.
2. 기존 모델들
2.1. BM25
앞서 언급한 $ f $의 적절한 사례 중 하가나 바로 BM25입니다. BM25는 2009년에 발표되었고[1]
2.2. Transformer 기반 모델
최근에는 BERT와 그 후속 연구들(XLNet, RoBERTa 등)이 Transformer를 기반으로 구성된 $ q $, $ d $간의 cross-attention 모델을 제안하여 높은 성능을 내고 있습니다. 특히 IR의 2단계 방식에서 두 번째 단계에 말입니다. 그러나 이는 질의 $ q $가 들어올 때마다 모든 문서 $ d $와의 cross-attention을 계산해야하기 때문에 후보 문서가 많을수록, 각각의 문서가 길수록 속도가 매우 느리다는 단점이 있습니다.
3. 논문에서 제안하는 모델
3.1. 구조
 |
| 논문에서 제안하는 two-tower 모델(왼쪽)과 BERT 계열의 cross-attention 모델(오른쪽) |
$$ f(q, d) = \langle \phi(q), \psi(d) \rangle $$그리고 $ \phi(\cdot) $와 $ \psi(\cdot) $는 각각 독립된 transformer들을 쌓아서 구성합니다. BERT에 익숙한 분들은 쉽게 생각해서 BERT의 cross-attention을 포기하고 질의와 문서 각각이 독립적으로 self-attention을 계산한다고 보면 될 듯 싶습니다. 실제로 모델의 입력이
[CLS], tok1, ..., tokn [SEP] 형태로 구성된다는 점과 최종 score 생성을 위해 [CLS] 위치의 벡터를 사용한다는 점에서 모델 구조가 BERT와 거의 동일합니다.4. Pre-training Task
그리고 또 하나 논문에서 강조하는 점은 어떤 pre-training task를 사용했는지에 따라 모델의 성능 차이가 크다는 점입니다. 실제로 two-tower 모델에서는 BERT에서 사용한 MLM(Masked Language Model)로는 큰 성능향상을 하지 못했지만 ICT(Inverse Cloze Task), BFS(Body First Selection), WLP(Wiki Link Prediction)을 사용했을 때에는 성능이 많이 향상된다는 점을 아래 표와 같이 결과로 보여줍니다.
 |
| train/test 데이터 비율에 따른 SQuAD 데이터셋에서의 Recall@k 결과 (단위: %) |