前言
对比学习损失（Contrastive Learning Loss）是一种用于自监督学习的损失函数。它侧重于学习一个特征空间，其中相似的样本被拉近，而不相似的样本被推远。在二分类任务中，对比学习损失可以用来学习区分正负样本的特征表示。 对比学习损失函数有多种，其中比较常用的一种是InfoNCE loss。 InfoNCE Loss损失函数是基于对比度的一个损失函数，是由NCE Loss损失函数演变而来。
1.Alignment和Uniformity
1.1 Alignment
Alignment和Uniformity都是对比学习的表示能力的评判标准。出自论文《Understanding Contrastive Representation Learning through Alignment and Uniformity on the Hypersphere》。
Alignment指的是相似的例子，也就是正例，映射到单位超球面后，应该具有比较接近的特征，球面距离应该比较近；
1.2 Uniformity
Uniformity指的是系统应该倾向于应该在特征里保留尽可能多的信息，映射到球面上就要求，单位球面上的特征应该尽可能地均与分布在球面上，分布越均匀，意味着保留的特征也就越多越充分。因为，分布越均匀，意味着各自保留各自的独有的特征，这代表着信息保留越充分。
Uniformity特性的极端反例，所有数据都映射到单位超球面的同一个点上，这代表着所有数据的信息都被丢掉，体现为数据分布极度不均匀得到了超球面上的同一个点。也就意味着，所有数据经过两次非线性计算之后都收敛到同一个常数上，这种异常情况我们称之为：模型坍塌（collapse）
2.对比学习的损失函数
模型作决策时，假设输入到 softmax 前的结果用 sθ(w,c) 表示，实际上 sθ(w,c) 是有含义的，它是一个 socring function ，输出的分数用来量化 w 在上下文 c 中匹配性，那么 w 条件概率可以表示为以下形式：
其中分母部分是归一化常数，一个目的是用来让这个分布真的成为一个“分布”要求（分布积分=1），很多时候，比如计算一个巨大（几十上百万词）的词表在每一个词上的概率得分的时候，计算这个分母会变得非常非常非常消耗资源。
所以在一些应用，比如一个语言模型最后softmax层中，在推理阶段其实只要找到的那一项就够了，并不需要归一化（当然，这个操作其实是错误的。正确的推理是计算出每一个词的概率作为分布，然后从这个分布中采样得到一个正确的词，而不是直接挑一个分数最大的。但是一切为了运算方便）。但在模型的训练阶段，由于分母Z中是包含了模型参数的，所以也要一起参与优化，所以这个计算省不了（当然，softmax这个函数比较特殊，在实际应用中也相当于没有计算这个归一化项，只是计算了ground-truth word的那一项）。
2.1.NCE Loss
NCE（Noise contrastive estimation ），它是通过最大化同一个目标函数来估计模型参数 θ 和归一化常数，NCE 的核心思想就是通过学习数据分布样本和噪声分布样本之间的区别，从而发现数据中的一些特性，因为这个方法需要依靠与噪声数据进行对比，所以称为“噪声对比估计（Noise Contrastive Estimation）”
NCE（Noise contrastive estimation ）核心思想是将多分类问题转化成二分类问题。分类器能够对数据样本和噪声样本进行二分类，一个类是数据类别 data sample，另一个类是噪声类别 noisy sample，通过学习数据样本和噪声样本之间的区别，将数据样本去和噪声样本做对比，也就是“噪声对比（noise contrastive）”，从而发现数据中的一些特性。
但是，如果把整个数据集剩下的数据都当作负样本（即噪声样本），虽然解决了类别多的问题，计算复杂度还是没有降下来，解决办法就是做负样本采样来计算loss，这就是estimation的含义，也就是说它只是估计和近似。一般来说，负样本选取的越多，就越接近整个数据集，效果自然会更好。
结论是：对于设置的噪声分布 ，我们实际上是希望它尽量接近数据分布，否则这个二分类任务就过于简单了，也就无法很好的学到数据特性。而作者通过实验和推导证明（我在第三节中也会简单的证明），当负样本和正样本数量之比 k 越大，那么我们的 NCE 对于噪声分布好坏的依赖程度也就越小。换句话说，作者建议我们在计算能力运行的条件下，尽可能的增大比值 k 。也许这也就是大家都默认将正样本数量设置为 1 的原因：正样本至少取要 1 个，所以最大化比值 k ，也就是尽可能取更多负样本的同时，将正样本数量取最小值 1。
另外，如果我们希望目标函数不是只针对一个特定的上下文 c ，而是使不同的上下文可以共享参数，至此 NCE 的构建就完成了。
总结一下就是：从上下文 c 中取出单词作为正样本，从噪声分布中取出单词作为负样本，正负样本数量比为 1:k ，然后训练一个二分类器，通过一个类似于交叉熵损失函数的目标函数进行训练。
2.2 InfoNEC Loss
Info NCE loss是NCE的一个简单变体，它认为如果你只把问题看作是一个二分类，只有数据样本和噪声样本的话，可能对模型学习不友好，因为很多噪声样本可能本就不是一个类，因此还是把它看成一个多分类问题比较合理，公式如下：
其中
是第i个样本的特征表示，
是其正样本，
是负样本，
是样本x 和y 之间的相似性度量（例如余弦相似性）， τ 是一个温度参数，用于控制损失函数的形状。
在公式中可知，分子体现出了Alignment属性，它期望在超球面上正例之间的距离越近越好；分母则体现了Uniformity属性，它期望在负例对之间的距离尽可能的远，这种推力会尽量将点尽可能地均匀分布在超球面上，保留了尽可能多的有用信息。分子部分表示正例之间的相似度，分母表示正例与负例之间的相似度，因此，相同类别相似度越大，不同类别相似度越小，损失就会越小。
损失函数inforNCE会在Alignment和Uniformity之间寻找折中点。如果只有Alignment模型会很快坍塌到常数，损失函数中采用负例的对比学习计算方法，主要是靠负例的Uniformity来防止模型坍塌，很多典型的对比学习方法都是基于此的。infoNCE的思想就是正例之间相互吸引，负例之间相互排斥。
温度系数，是设定的超参数，它的作用是控制模型对负样本的区分度。温度参数会将模型更新的重点，聚焦到有难度的负例，并对他们做相应的惩罚，难度越大，也即与正例越接近，分配到的惩罚系数越多。在模型优化的过程中，需要将这些负例从正例旁边推开，使得其距离越远，是一种斥力。也就是，距离越近的负例会获得更多的权重，会具有更大的斥力，需要将其推开的力越大。
温度系数设的越大，sim的分布变得越平滑，那么对比损失会对所有的负样本一视同仁，导致模型学习没有轻重。
如果温度超参数设置过小，会导致损失函数分配的惩罚项范围越窄，更加聚焦在比较近的范围之内负例之中。同时，如果这些被覆盖的负例，因为数量减少了，会导致分配到的每个负例上的权重更大，斥力会更大。会导致模型会越关注特别困难的负样本，但其实那些负样本很可能是潜在的正样本，这样会导致模型很难收敛或者泛化能力差。因此温度系数的设定是不可或缺的。
一般情况下，有效的负例只会聚焦在距离最近的一到两个最难的实例。我们希望能够在温度参数能够在alginment和unifoemity之间找一个平衡点。温度系数在处在一个平衡点时，超球面上的密集数据才会被打散，数据将会越来越均匀。
3.交叉熵损失函数
交叉熵损失函数的形式如图所示：
softmax公式如下所示：
在分类中，由于输出是是one-hot向量，只有一个维度为1，其他维度都为0的向量，所以交叉熵损失函数如下所示：
这和InfoNCE Loss的损失函数的形式十分相似，不同在于，上式中的k在有监督学习里指的是这个数据集一共有多少类别，比如数据集中有1000类，k就是1000。 而在InfoNCE loss中类别只有两类或者几类，而交叉熵损失函数每一个用户或者商品自成一类，softmax操作在如此多类别上进行计算是非常耗时的，再加上有指数运算的操作，这导致计算复杂度相当高且不能实现。
Reference:
1.Noise Contrastive Estimation 前世今生——从 NCE 到 InfoNCE - 知乎
3.https://blog.csdn.net/qq_46006468/article/details/126076039