本篇主要针对注意力(Attention)机制进行简要描述。Attention是为了解决Sequence-to-Sequence中的一些问题而提出的,本身的逻辑十分简洁。Attention的产生过程反映了解决问题的一种最直接的思路,正如Resnet中提出“残差”的概念一样,简单直接的就能解决问题,而且思路没有绕任何弯子。这在科研工作中是十分难得的。下面结合机器翻译问题来回顾下这整个过程。
先回顾下Sequence-to-Sequence,这是RNN-Based模型架构中错开的many to many的一种应用,主要是为了将一个序列转换为另一个序列,即下图中第四种:
这种架构也叫Encoder-Decoder模型。具体来说,Encoder部分为红色block及对应的绿色block,Decoder部分为蓝色block及对应的绿色block。Seq2sep主要想解决的是输入输出序列不等长的问题,它通过Encoder将输入序列编码成一个固定的向量
,然后将
作为Decoder的初始隐状态输入,解码为输出序列。即:
但这样的架构是有问题的。主要有两点:
因此,最理想的情况是,在解码输出不同的词时,能够从输入序列中自动选择相关联的词,并且提高这部分词在建模时的特征权重。这样就得出了Attention Model的动机。
由上文Seq2seq的缺陷可以知道,要解决第一个问题,即Decoder使用的是统一的
,需要在不同的时刻输入不同的
;要解决第二个问题,即Decoder不同时刻的输出关注输入序列的不同部分,需要
能自动选取最相关的输入序列。
现在核心问题转变为,应该如何求解
。首先应该明确,
和
一样,是来源于Encoder的隐状态
,不同时刻的
编码了对应的输入序列。最直观的想法是给每个
赋予权重,加权得到
,权重越大说明对
的贡献越大。即:
一个简单的示意图如下:
此时问题转化如何求权重
。
其实可以看做一个概率,反映了
对
的重要性。看到概率很自然联想到使用softmax,即:
其中:
表示是一个匹配度的打分函数,可以是一个很复杂的NN,也可以是一个简单的计算,这里不深入讨论。由于利用 进行计算时,还没有 ,因此使用最接近的 。
上述思考过程是执果索因,将各个步骤的结果逐步回代即可得到模型。可以看到Attention机制的加入并没有影响大的模型架构,相当于一个小配件,与原有架构的耦合度是很低的。这也使得我们在设计具体的 函数时更好施展。
这就是最原始的Attention,我们希望借助这种机制,让模型能够学习到:在不同的任务进行状态中,要把注意力放在不同的可利用信息上。这便是Attention的逻辑精华。原始Attention还有很多可以改进的地方,在这之后也有很多杰出的科研成功。但由于本篇主要侧重点是Attention的建模动机与思路,就不详细展开了。
参考如下,在此表示感谢: