Press "Enter" to skip to content

深度学习中的Attention机制

RNN做机器翻译有它自身的弱点,Attention正是为了克服这个弱点而出现的。所以,要理解Attention,就要搞明白两件事:

 

RNN在做机器翻译时有什幺弱点

 

Attention是如何克服这个弱点的

 

本文试图从解答这两个问题的角度来理解Attention机制。

 

目录

一、RNN做机器翻译的经典思路 encoder-decoder
二、encoder-decoder的缺点在哪里?
三、Attention是如何利用中间的输出的
四、Attention中产生概率分布的两种方法
五、Attention机制的扩展

一、RNN做机器翻译的经典思路 encoder-decoder

 

用RNN做机器翻译时,通常需要两个RNN网络,一个用来将接收待翻译语句,对其进行编码,最后输出一个vector,这个网络叫encoder。然后,该vector会作为输入,传给另一个RNN网络,该网络用来根据vector产生目标语言的翻译语句,这个网络叫做decoder。如下图所示:

 

 

上图中间的Context就是我们这里说的第一个RNN产生的vector。

 

二、encoder-decoder的缺点在哪里?

 

encoder-decoder最大的缺点是,encoder接收了不管多长的语句,最后输出的只是最后一个vector,当语句很长时,这个vector能否有效地表示该语句是很值得怀疑的。

 

如何解决这个问题呢?我们很自然会想到,第一个RNN其实在中间会产生很多输出,这些输出都被我们抛弃了,我们只用了最后的一个。如果能利用上中间的输出,兴许可以解决问题。Attention正是利用上了这些中间的输出。

 

三、Attention是如何利用中间的输出的

 

先上图,再来解释:

 

 

上图中的A是我们的encoder, B是我们的decoder。

 

可以想象,A网络接收了一个四个字的句子,对每个字都产生了一个输出(这些输出都是一个vector),我们称其为s1,s2,s3,s4。

 

我们看上图的B网络,在第一个B产生的hidden state(称其为h1)除了传给下一个cell外,还传到了A网络,这里就是Attention发挥作用的地方,我们来看看发生了什幺。

 

第一步:

 

h1 分别与s1,s2,s3,s4做点积,产生了四个数,称其为m1,m2,m3,m4(这些都是标量,不是向量了!)

 

第二步:

 

m1,m2,m3,m4 传到一个softmax层,产生一个概率分布a1,a2,a3, a4。

 

第三步:

 

将a1,a2,a3, a4 与s1,s2,s3,s4分别相乘,再相加,得到得到一个vector,称其为Attention vector。

 

第四步:

 

Attention vector 将作为输入传到B网络的第二个cell中,参与预测。

 

以上就是Attention机制的基本思想了。我们看到,Attention vector 实际上融合了s1,s2,s3,s4的信息,具体的融合是用一个概率分布来达到的,而这个概率分布又是通过B网络上一个cell的hidden state与s1,s2,s3,s4进行点乘得到的。

 

Attention vector实际上达到了让B网络聚焦于A网络输出的某一部分的作用。

 

四、Attention中产生概率分布的两种方法

 

在第3部分中,我们的概率分布来自于h与s的点积再做softmax,这只是最基本的方式。在实际中,我们可以有不同的方法来产生这个概率分布,每一种方法都代表了一种具体的Attention机制。

 

1 加法Attention

在加法Attention中,我们不再让h与s做点积,而是做如下的运算:

 

va和Wa都是可以训练的参数。h与s之间的分号表示将二者接到一起产生一个更长的vector。这样产生的数再送往softmax层,进而产生一个概率分布。

 

当然,我们还可以这幺做:

 

 

这里只是不再把h与s接到一起而已,本质上没有什幺区别的。

 

2 乘法Attention

乘法Attention将h与s做如下的运算:

 

显然,乘法Attention的参数更少,效率自然也会更高一些。

 

五、Attention机制的扩展

 

Attention机制的核心在于对一个序列数据进行聚焦,这个聚焦是通过一个概率分布来实现的。这种机制其实有很强的普适性,可以用在各个方面。

 

比如,根据图片产生描述该图片的文字, 首先,图片会经过CNN进行特征的提取,提取的数据会输入到产生描述文字的RNN中,这里,我们可以引入Attention机制,让我们在产生下一个文字时,聚焦于我们正在描述的图片部位。

 

其次,在句子表示中,self Attention机制是成功扩展的Attention的范例。其基本原理如下:

 

假如我们用一个RNN读入了一个句子,产生了h1, h2,h3,h4四个hidden state。

 

为了得到该句子的摘要,我们可以这样做:

 

对每一个h计算一个分数:

 

 

四个h共产生了4个分数,将这四个分数送入一个softmax层,产生一个概率分布,根据这个概率分布对四个h进行加和,得到句子摘要的第一个vector。如下图所示:

 

 

为了得到更多的vector,我们可以把上面图中的小写va换成一个矩阵,然后,我们的a也就变成了多个概率分布组成的矩阵,每个概率分布都可以用来与h进行加和产生一个vector,这样我们就产生了摘要的多个vector,如下图所示:

 

 

六、总结

 

通过以上的内容,我们了解到,Attention机制最初用来克服RNN做机器翻译时的缺点,然后,人们发现,Attention机制具有广泛的适用性,于是它又被扩展到了产生图片描述,做句子摘要等任务上。

 

我们也清楚了,不同的Attention机制的核心区别在于产生概率分布的方法不同。

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注