seq2seq + attention 详解_seq2seq+attention模型

seq2seq + attention 详解

作者：xy_free $\qquad$ 时间：2018.05.21

1. seq2seq模型

seq2seq模型最早可追溯到2014年的两篇paper [1, 2]，主要用于机器翻译任务（MT）。seq2seq本质上是一种encoder-decoder框架，以翻译任务中的“英译汉”为例，模型首先使用编码器对英文进行编码，得到英文的向量化表示S，然后使用解码器对S进行解码，得到对应的中文。由于encoder与decoder两端处理的都是序列数据，所以被称为sequence-to-sequence，简称seq2seq。另外，目前应用最多的编/解码器是RNN（LSTM，GRU），但编/解码器并不限于RNN，如也有人拿MLP作为编码器。
paper[1, 2]的主要结构如下图：

2. attention模型

attention模型最早出现于cv领域，而首次用于解决nlp问题是在2014年[3]，seq2seq+attention 应用于机器翻译任务。以英译汉为例，当解码器对英文进行解码时，是一个词一个词生成的，而所生成的每个词对应的英文部分应该是不同，换句话说就是，解码器解码时不同step所分配的注意力是不同的。 再举一个例子，如看图说话（用一句话描述一幅图），所生成的词语应该对应图中的不同部分，即解码器在解码时，应该给图中“合适”的部位，分配更多的注意力（权重）。
paper[3]的主要结构如下图：

红圈标识的是编码器，其中h代表源文本的语义表示；紫圈标识的解码器，其中s代表目标文本的序列状态。c表示注意力向量，用来在解码时，控制源文本不同位置的attention分配

3. seq2seq + attention

以paper[3] 为例，对seq2seq + attention 的计算过程，进行详细说明，见上图（Translation: Attention Mechanism）
1. 使用 Bi-GRU 作为编码器，得到源文本的向量表示$h_t$

$h_t = f_e(x_t, h_{t-1})$ 详解如下:

• $h_{f}^t= f(h_{f}^{t-1}, x_t)$
• $h_{b}^t = f(h_{b}^{t+1}, x_t)$
• $h_t = [h_{f}^t, h_{b}^t]$
• 其中，$f_e$ 表示Bi-GRU，$h_f$表示正向GRU的输出， $h_b$表示反向GRU的输出，[]表示串联

2.对$h_t$进行解码，获得目标序列
模型所要生成的目标是个“词序列”，处理方式是每次生成一个词，迭代进行
$p(y_t | y<t, x) = f(y_{t-1}, s_t, c_t)$
其中f是 维度映射 + maxout，maxout是一种激活函数，维度映射是把所生成的向量转化为词表大小