Recurrent Neural Network Based Language Model(RNNLM)原理及BPTT数学推导

参考文献：

1. Statistical Language Models Based on Neural Networks

2. A guide to recurrent neural networks and backpropagation

前一篇文章介绍了nnlm，用神经网络来对语言进行建模，nnlm一个很大的优点就是将历史映射到一个低维的空间而并不像普通n-gram,这就降低了模型的参数，并且使相似的历史进行聚类，映射后的低维向量也就是前篇文章所称的词向量，并且从结果来看nnlm的效果非常不错，但仍然有缺点，一方面是隐层到输出层的计算量非常大，另一方面是nnlm是一类典型的前馈神经网络，它的历史长度预先必须设置并固定，与循环神经网络(rnnlm)来比不能捕获更长的历史信息。

rnnlm与nnlm主要的不同就在对历史的捕捉上面，nnlm的历史长度也只有数个词，而rnnlm的历史是前面所有的词，这样使得rnnlm可以捕获更长的历史信息。

简单的循环神经网络结构

该图是简单循环神经网络的结构，其中t代表时间，w(t)表示第t个时刻的当前输入单词，该单词的编码方式为1-of-V，即w(t)的维度为V，V是词典大小，w(t)的分量只有一个为1, 表示当前单词，其余分量为0。s(t-1)代表隐层的前一次输出，y(t)表示P(wt | wt, s(t-1))。即之所以称为循环神经网络，就是t个时刻，s(t)会留下一个副本，在t+1时刻，s(t)会送到输出层，相当于一个循环，把上面的循环网络表示的更形象一点如下，就更容易明白为什么叫循环神经网络了：

以第一个图为准，U、W是输入到隐层的矩阵，V是隐层到输出层的矩阵，下面看一下各层的输出的计算，这里用下标i表示对w(t)的遍历，j表示对隐层s(t)的遍历，l表示对s(t-1)的遍历，k表示对输出层的遍历。隐层的输出计算如下：

输出层的计算如下：

其中

把上面的表示写成向量的形式如下：

反传学习算法

我们的目标是最大化下面的似然函数：

其中t表示训练样本数，这里T就等于语料中的词数，下标lt表示第t个样本训练时对应的正确预测单词，定义输出层的误差向量如下：

下面利用梯度上升推导学习算法，我是用最大化logyt来推导的，如下：

所以网络的参数更新公式总结如下(矩阵表示)：

这样，一次训练的学习算法步骤可以描述如下：

1. 初始化时间计算器 t = 0， 将隐层的输出向量s(t)初始化为1
2. t = t + 1
3. 将当前词wt使用1-of-V编码为向量w(t)
4. 将s(t-1)复制到输入层
5. 按照上面前向计算公式，计算s(t), y(t)
6. 计算在输出层的误差梯度向量e(t)
7. 反传误差梯度向量，并按照梯度上升法更新矩阵

BPTT(Backpropagation Through Time)

上面的反传方法和前馈网络的反传差不多，但这样的训练方式得到的结果并不是最优的，它对历史信息的保存效果没有理论那么好，它的一个扩展形式是把误差反传得更远，它将原来的网络像是折叠开了一样，这种训练方法叫做BPTT，如下图：

这个图对应的τ = 3，这里表示将当前时刻t往以前展开到了t -3时刻，这里展开后的U，W都是一样的，其中的反传误差可以如下递归的计算：

这里的τ 一般不会取很大，BPTT算法对应的调整更新如下：