句子嵌入 是什麼？
Sentence Embedding：句子嵌入 的完整解釋
將整個句子編碼為固定維度的向量，使語義相似的句子在向量空間中距離較近。
句子嵌入（Sentence Embedding）是從單詞到文件級表示的承接環節，在現代 NLP 系統中扮演關鍵角色。不同於詞向量的相對成熟，句子表示仍是活躍的研究領域，因為它涉及更複雜的組合語義問題。
核心挑戰與問題設置
句子嵌入面臨一個根本挑戰：如何將任意長度的詞序列映射到固定維度的向量，同時保留語義信息？這涉及「組合語義」（Compositional Semantics）問題：句子的意思不只是詞義的簡單相加，還取決於詞序、句法結構、語境等多個因素。例如：
- 「貓追老鼠」與「老鼠追貓」詞彙相同但語義完全不同。
- 「非常好」不能簡單理解為「非常」+ 「好」的向量和。
- 轉喻、比喻等修辭手法要求深層理解。
簡單聚合方法
最直白的方法是對句子中所有詞向量進行簡單聚合：
平均池化（Mean Pooling）
句向量 = (1/n) Σ 詞向量_i
優點：簡單快速，對某些任務（如文本分類）意外有效。缺點：完全忽視詞序，「貓追老鼠」和「老鼠追貓」的向量相同。儘管這個缺點嚴重，平均池化因其簡潔性在工業界仍廣泛使用。
TF-IDF 加權平均
句向量 = Σ (TF-IDF_i × 詞向量_i) / Σ TF-IDF_i
賦予罕見詞更高權重，常見詞（如「的」、「是」）權重低。效果略優於簡單平均，但仍然無視詞序。
遞迴神經網路方法
樹結構 LSTM（Tree-LSTM）
Socher 等提出用語法樹驅動 LSTM，節點表示由其子節點的 LSTM 隱狀態組成。例如在句子「非常好」中，構建樹：
好
/ \
非常 [詞本身]
樹 LSTM 首先處理葉節點（詞），再遞迴向上，最終根節點的隱狀態就是句向量。這個方法優美地將句法結構與神經網路相結合，性能優於簡單序列模型。缺點是依賴準確的句法樹，且計算略複雜。
序列模型：BiLSTM 與 CNN
雙向 LSTM（BiLSTM）
正向 LSTM 從左到右掃描，反向 LSTM 從右到左掃描，兩者的最後隱狀態拼接或平均作為句向量。BiLSTM 能捕捉詞序，對某些任務有帶改進。
卷積神經網路（CNN）
Kim 提出用 CNN 進行句子分類：對詞向量序列應用多個寬度的滑動窗口（如寬度 3、4、5），每個窗口位置產生一個特徵，然後對所有位置的特徵進行最大池化，得到固定維度的句表示。CNN 的優勢是計算快、能捕捉 n-gram 特徵，但無法直接捕捉遠距離依賴。
注意機制與自注意
注意池化（Attention Pooling）
不同詞對句義的貢獻程度不同。動詞、形容詞、重要名詞通常更重要，虛詞（「的」、「和」）貢獻小。注意機制學習每個詞的權重：
句向量 = Σ (α_i × 詞向量_i)
其中 α_i 是詞 i 的注意權重，由詞本身或詞與某個查詢向量的相似度決定。
自注意（Self-Attention）與 Transformer
Transformer 引入「自注意」，讓每個詞位置學習與序列中其他位置的相關性。多層自注意堆疊，使高層節點能看到全局信息。Transformer 的最後一層輸出通過池化（如取 [CLS] token 或對所有位置平均）得到句向量。
大型語言模型預訓練
BERT 與上下文化句向量
BERT 對句子進行編碼，産生每個詞的上下文化向量。常見的做法是取 [CLS] token 的最後層隱狀態作為句向量，或對所有詞向量進行平均。BERT 的句向量質量遠優於之前方法，因為預訓練讓 BERT 學到豐富的語言知識。
句子-BERT（Sentence-BERT / SBERT）
2019 年，Reimers 和 Gurevych 提出 Sentence-BERT，直接針對句相似度任務微調 BERT。關鍵創新是：
- 用孿生神經網路（Siamese Network）架構。
- 對每個句子用 BERT 編碼。
- 用池化層（通常取 [CLS]）得到句向量。
- 用對比損失（如 CosineSimilarityLoss）訓練，使相似句子距離近、不同句子距離遠。
Sentence-BERT 的性能比純 BERT 的句向量高 3–5%，成為目前最廣泛使用的句嵌入方法。
句向量的性質與應用
語義相似度與轉移性
高質量的句向量應滿足：
- 相似句子（如同義表達）向量距離近。
- 不同句子向量距離遠。
- 語義轉移性：向量空間保留邏輯推理（如 A 蘊含 B，vec(A) 應更接近 vec(B)）。
Sentence-BERT 在公開基準（STS Benchmark，語義文本相似度）上達到 0.86–0.89 的相關係數，接近人工評估的上界（0.90）。
應用場景
- 語義搜尋：給定查詢句子，在文件庫中找最相似的句子（快速、準確）。
- 聚類：對句子進行向量化後用 K-means 等算法聚類，發現語義相近的句子組。
- 重複檢測：發現重複或高度相似的句子（如去重、檢測抄襲）。
- 推薦系統：基於用戶查詢或歷史句子，推薦相似內容。
- 信息檢索：構建密集檢索（Dense Retrieval）系統，相比稀疏向量（TF-IDF）更精準。
- 檢測相似問題：在FAQ系統中，判斷用戶新問題是否與既有問題相似。
挑戰與限制
句長變化影響
現有方法對各長度句子的向量規範化不一致：長句子往往對句向量主導，短句子被邊際化。
跨語言句嵌入
不同語言句子的向量空間往往不對齐，需要跨語言預訓練（如多語言 BERT）來同步不同語言的語義空間。
低資源語言與域特異
Sentence-BERT 預訓練數據主要是英文通用文本，遷移到低資源語言或專業域時性能下降。解決方案包括輕量微調或在域內數據上重新訓練。
可解釋性缺失
Transformer 的句向量是高度非線性的組合，難以直觀解釋每個維度代表什麼語義。