【天然语言处理】Text Summarization文本摘要与注意力机制

Text Summarization
英文原文
公众号【深度学习视觉】整理

什么是NLP中的文本摘要

自动文本摘要是在保持关键信息内容和总体含义的同时，生成简洁流畅的摘要的任务。
文本摘要目前大体能够分为两种类型：

1. Extractive Summarization：重要内容、语句提取。
2. Abstractive Summarization：文本总结。

Extractive Summarization

由图能够看出，这种方法提取的内容语句来自于原文。

Abstractive Summarization

由图能够看出，这种方法提取的内容语句可能不存在于原文。

Seq2Seq模型

Seq2Seq模型能够处理一切连续型信息，包括情感分类，机器翻译，命名实体识别等。
机器翻译任务中，输入是连续文本序列，输出也是连续文本序列。
命名实体识别中，输入是连续文本序列，输出是连续的标签信息。
因此，咱们能够利用Seq2Seq模型，经过输入一段长文本，输出短的摘要，实现文本摘要功能。
下图是典型的Seq2Seq模型架构:

一般咱们能够选择RNNs网络的变体GRU或者LSTM，这是由于它们可以经过克服梯度消失的问题来捕获长期依赖性。

Encoder编码器

LSTM中的Encoder读取整个输入序列，其中每一个时间step上，都会有一个字输入编码器。而后，他在每一个时间step上处理信息，并捕获输入序列中存在的上下文信息。

上一个时间step的隐藏层h1与记忆单元层c1将会用来初始化Decoder。

Decoder解码器

Decoder是LSTM结构的另外一部分。它逐字读取整个目标序列，并以一个时间步长预测相同的序列偏移量。
解码器能够在给定前一个单词的状况下预测序列中的下一个单词。解码器的初始输入是编码器最后一步的结果。

在将整个目标序列放入解码器前，还需将[start] 与 [end]这两个特殊的tokens加入序列中，告知模型的开始与结束。模型经过输入的[start]开始预测第一个词,而[end]则表示整个句子的结束。

Deocder的工做流程

假设输入序列为[x1,x2,x3,x4],将其编码成内部固定长度的向量。
下图显示了每个time step下Decoder是如何工做的。

推理部分

下图是整个Encoder-Decode的结构。经过上面的理解，我以为这个图很是清晰。

1. Encoder整个输入序列，而且用Encoder最后一个状态结果来初始化Decoder。
2. 将[start]做为输入传递给解码器Decoder。
3. 使用经过Encoder初始化过的Decoder运行一个time stpe。
4. 输出将是下一个单词的几率，将选择几率最大的单词。
5. 这个预测的单词将会在下一时间Step中做为输入。而且经过当前状态更新内部参数。
6. 重复步骤3-5，直到生成[end]或达到目标序列的最大长度。

Encoder-Decoder结构的局限性

Encoder将整个输入序列转为固定的长度，可是当序列很长的时候，Encoder将会很难记住整个序列的内容，没法将全部必要信息准确的编码到固定长度。可是，咱们须要关注序列中全部的内容么，不须要。

注意力机制

为了解决长句子的问题，注意力机制出如今人们的视野。注意力机制为对结果重要的部分添加高的权重，以保留主要信息。举个例子：

1. 须要编码的序列[x1,x2,x3,x4,x5,x6,x7]
   Source sequence: “Which sport do you like the most?
2. 须要解码的序列[y1,y2,y3]
   Target sequence: I love cricket.

咱们能够判断，y1[I]与x4[you]有关，而y2[love]则与x5[like]有关。因此，相比记住序列中的全部单词，不如增长对目标序列重要部分的权重，忽视低权重的部分。

Global Attention and Local Attention

编码器的隐藏层中，全部部分都参与attention的计算上下文。

编码器的隐藏层中，仅有部分参与attention的计算上下文。

本文最终采用全局注意力机制。（只是添加了注意力机制，编码的固定长度依然须要固定。因此实战中须要经过数据肯定一个合适的长度数值。短了没法表达文本内容，长了会形成计算资源浪费。）

实战

咱们的目标是为亚马逊美食评论生成文本摘要。(这里我只提取了我以为有用的部分)

数据表述

这些评论一般很长并且具备可描述性。数据集下载：kaggleData。
数据涵盖了超过10年的时间，包括截至2012年10月的全部〜500,000条评论。这些评论包括产品，用户信息，评级，纯文本评论和摘要。它还包括来自全部其余亚马逊类别的评论。

数据处理

因为评论文本和摘要中涉及的预处理步骤略有不一样，所以咱们须要定义两个不一样的函数来预处理评论和摘要。

评论文本处理

1. 将全部字母小写；
2. 移除HTML标签；
3. Contraction mapping；
4. 移除(‘s)；
5. 删除括号内的内容(以为括号里面的内容解释说明不重要)；
6. 消除标点符号和特殊字符；
7. 删除停用词；
8. 删除低频词；

摘要文本处理

为摘要文本添加[start]和[end]。

数据分布

经过数据统计，能够看到摘要与文本数据的长度分布。经过数据可视化，咱们能够将评论文本的长度限定在80，而摘要的长度限定在10。

创建Tokenizer

经过分词器生成词汇表，并将单词文本序列转为数值序列，方便计算机计算。

模型创建

1. 咱们能够选择是否让LSTM在每一个时间步都会生成隐藏状态h和记忆单元状态c。
2. 选择LSTM是否仅生成最后一个时间步的隐藏状态h和记忆单元状态c。
3. 选择LSTM相互堆叠提升模型效果。
4. 选择双向LSTM，能够双向处理文本数据，获取更加丰富的上下文信息。
5. 使用beam search strategy代替贪婪方法argmax。
6. 根据BLEU分数评估模型的性能。
7. 能够选择指针生成网络，
8. 由于整数序列采用独热编码的方式，因此损失函数采用了稀疏交叉熵，对内存友好。

数学理解注意力机制

1. 编码器为源文本序列每个时间步j都生成了一个隐藏状态值hj。

2. 类似的工做，解码器为目标文本每个时间步i都生成了隐藏状态值si。

3. alignment score: $e_{ij}$。用这个分数表示源文本中的第j步单词与目标文本中第i步单词的关联度。能够用hj与si来计算这个分数值 $e_{ij} = score(s_i,h_j)$
   根据所使用的得分函数的类型，有不一样类型的注意力机制。这里列举一些流行的注意力机制：
   

4. 使用softmax函数对注意力参数的值进行归一化。 $a_{ij}=\frac{e_{ij}}{\sum^{T}_{k=1}e_{ik}}$

5. 计算注意力权重 $a_{ij}$与编码器hj的隐藏状态乘积的线性总和，以产生注意力上下文向量Ci。 $C_{i} = \sum^T_{j=1}a_{ij}h_{ij}$
   

6. 将注意力上一下文向量Ci与目标隐藏层向量si级联以产生新的注意力隐藏层向量Si。 $S_i=concatenate([s_{i};C_{i}])$

7. 将注意力隐藏层向量传入密集层产生yi。 $y_{i}=dense(S_{i})$

本文由公众号【深度学习视觉】整理。