《深度学习进阶 自然语言处理》学习笔记（3）Attention_斋藤康毅深度学习进阶自然语言处理attention csdn

前篇链接 link

第八章 Attention

1. 上一章我们使用 RNN 生成了文本，又通过连接两个 RNN，将一个时序数据转换为了另一个时序数据。我们将这个网络称为 seq2seq，并用它成功求解了简单的加法问题。之后，我们对这个 seq2seq 进行了几处改进，几乎完美地解决了这个简单的加法问题。
2. 本章我们将进一步探索 seq2seq 的可能性(以及 RNN 的可能性)。这里，Attention 这一强大而优美的技术将登场。Attention 毫无疑问是近年来深度学习领域最重要的技术之一。
3. 本章的目标是在代码层面理解 Attention 的结构，然后将其应用于实际问题，体验它的奇妙效果。

Attention结构

seq2seq的改进—— h 到 hs

• 问题：对于变长的输入序列，编码器只能输出定长的编码h
• 解决：将编码器每一个LSTM单元输出的隐藏状态拼接为 hs，作为译码器输入 ，如下图
  

seq2seq的改进—— 解码器层结构调整

形如“猫 = cat“是机器翻译中常见的对应关系，这种单词或词组对应关系的信息称为alignment（对齐）。Attention机制的关键就在于自动化学习对齐。

• 对于解码器的每一个LSTM单元，如何让它们自动化的选择输入的hs当中具有对应关系的h并学习，需要改进层结构，添加下图中的”某种运算“，即Attention
  

Attention层的引入

• 将不可微分的选择操作转换为hs各个隐藏状态的权重贡献度

Attention的结构

• 构成上图中的 某种计算 模块
• 由weight sum层（自动化学习各隐藏状态的贡献度，得到权重分布） 和 Attention Weight层（将得到的权重分布与 hs 各个隐藏向量做加权求和，实现选择操作） 依次组成

Weight Sum层

• 计算图如下
  
• N 是batch-size,T 是 hs 中包含的隐藏状态数，H是隐藏状态的维度

1. 其中 a(N, T) 是解码器中一个LSTM单元输出的隐藏状态
2. a(N, T) 与 hs 的各个隐藏状态做向量内积，得到了当前的LSTM单元对 hs 各个隐藏状态的关注度 S(N, T)
3. 将 S(N, T) 做 softmax ，得到权重分布

本书中，作者使用向量内积去计算隐藏状态间的相似度，还可以使用余弦相似度甚至使用一个小型的MLP直接学习相似度等等。

Attention Weight层

• 计算图如下（红框部分）：
  
• 对 weight sum得到的权重分布，与 hs 做加权求和，实现选择的操作，输出 C(N, H)，作为 Attention 层的下一层 Affine 层的输入

解码器总的网络架构

将 Attention 计算出的权重可视化，观察对应关系

• 示例：一个简单的seq2seq模型（将输入的日期格式转化为输出的日期格式），横轴是输入语句，纵轴是输出语句，越亮的区域表示的对应关系越明显
  

总结

1. 在翻译、语音识别等将一个时序数据转换为另一个时序数据的任务中，时序数据之间常常存在对应关系（alignment）；

2. Attention 从数据中学习两个时序数据之间的对应关系；

3. Attention 使用向量内积(方法之一)计算向量之间的相似度，并输出这个相似度的加权和向量；

4. 因为 Attention 中使用的运算是可微分的，所以可以基于误差反向传播法进行学习；

5. 通过将 Attention 计算出的权重(概率)可视化，可以观察输入与输出之间的对应关系；

6. 在基于外部存储装置扩展神经网络的研究示例中（如 NTM），Attention 被用来读写内存；