注意力机制(Attention Mechanism)

作者：繁依Fanyi0 | 2024-02-18 07:50:28

踩

注意力机制

一、Encoder-Decoder框架

注意力机制就是在某时刻将注意力放在某些事物上，而忽略另外的一些事物。

下面基于Encoder-Decoder框架说明

一、Encoder-Decoder框架

简单说一下Encoder-Decoder框架的原理

对于句子对<source，target>:

编码器对输入source进行编码，转换成中间语义向量C:

对于解码器Decoder，根据中间语义向量C和当前已生成的历史信息来生成下一时刻要生成的单词：

基本的Encoder-Decoder框架没有体现出注意力机制

把Decoder生成拆开来看：

f是非线性变换函数，在生成目标单词时，使用的语义向量C都是一样的，所以，source中任意单词对某个单词 $y_i$ 来说，影响力都是相同的。

如果输入句子比较短，对于输出影响不是很大，但如果输入句子很长，这时所有的语义都通过一个语义向量C来表示，单词自身的信息会消失，很多细节信息会被丢失，最终的输出也会受到影响，所以要引入注意力机制。

二、注意力机制

2.1 经典注意力机制

在机器翻译中，比如输入source为Tom chase Jerry。输出想得到中文：汤姆追逐杰瑞。在翻译Jerry这个单词时，在普通Encoder-Decoder模型中，source里的每个单词对“杰瑞”贡献是相同的，但这样明显和实际不是很相符，在翻译“杰瑞”的时候，我们更关注的应该是"Jerry"，对于另外两个单词，关注的会少一些。

引入Attention模型后，在生成“杰瑞“的时候，会体现出输入source的不同影响程度，比如：

每个概率代表了翻译当前单词“杰瑞”时注意力分配模型分配给不同英文单词的注意力大小。

在注意力机制中，对于target中每个单词都有一个对应source中单词的注意力概率。

由于注意力模型的加入，原来在生成target单词时候的中间语义C就不再是固定的，而是会根据注意力概率变化的 $C_i$ ，加入了注意力模型的Encoder-Decoder框架如下：

生成target的过程就变成了如下形式：

每个 $C_i$ 可能对应着不同的注意力分配概率分布，比如对于上面的英汉翻译来说，其对应的信息可能如下：

其中， $f_2$ 表示Encoder对输入英文单词的某种变换函数，比如如果Encoder是用RNN模型的话，这个 $f_2$ 函数的结果往往是某个时刻输入后隐层节点的状态值。g代表Encoder根据单词的中间表示合成整个句子中间语义表示的变换函数，一般g函数就是对构成元素的加权求和：

其中， $L_x$ 代表输入句子Source的长度， $a_i_j$ 代表在Target输出第i个单词时，Source输入第j个单词的注意力分配系数； $h_{ij}$ 代表Source输入句子中第j个单词的语义编码。举例输出汤姆如下：

2.2 注意力分布

注意力分布α就是判断什么信息重要，什么信息不重要，分别赋予不同的权重。

如何计算α：

用X表示输入当输入 N 个向量：[x1,...,xN]，想要从中选出对于目标而言比较重要的信息，需要引入目标任务的表示，称为 查询向量（query vector），此时问题可以转换为考察输入的不同内容和查询向量之间的相关度，也就是对不同内容进行打分，赋予与当前任务比较相关的部分更大的权重，再通过一个softmax层得到分布，也就是输入信息的不同部分的权重。

注意力变量z∈[1, N]来表示被选择信息的索引位置，即z=i来表示选择了第i个输入信息，然后计算在给定了q和X的情况下，选择第i个输入信息的概率αi：