论文笔记:Word Attention for Sequence to Sequence Text Understanding

论文地址：Word Attention for Sequence to Sequence Text Understanding
代码：ლ(′◉❥◉｀ლ)木有
论文来源：AAAI2018

作者信息.png

一句话总结:

1.Background

1.1. 基于seq2seq 模型的注意力机制

自然语言处理领域的大多数任务都可以用基于RNN的seq2seq框架处理，例如机器翻译，文本摘要，对话系统等，而自从Bahdanau等人于2014年提出注意力机制之后，注意力机制现在已经成为了seq2seq的一个重要组成单元。
attention机制存在的优点主要有以下两点:

• 解决RNN中只支持固定长度输入的瓶颈

• 解决长句子依赖问题

  
  
  
  

  因为目前大多数说的attention mechanism都是soft attention，所以我们这里以soft attention为例，介绍注意力机制的工作流程：
  attention是在解码的时候，对于输入句子X中任意一个单词都给出个权重，从而区分source端的哪个word对于当前decode的word贡献更大更重要。然后利用公式

  
  
  
  得到context vector，也就是上下文向量，decode每一个word时，context word都是不同的，是动态变化的，这就是attention mechanism的贡献，这是符合现实世界人类语言理解的规律的。

例如：I love you在解码"爱"的时候，很明显“love"的权重是应该大于"i"和"you"的。

具体来说，在解码第t个word时：

1. 
   
   这里的 ‘Aa' 是一个attetnion 得分函数，有以下三种形式（下文里的Query代表s，Key代表h）：
   
   

   本文用的是第三种：

   
   

2.然后归一化得到对于source sequence的每一个时刻rnn输出的隐藏状态的attention。

这里需要注意的是不论是在计算attention的时候，还是已经得到attention vector计算context vextor的时候，都是用的

也就是在当前的关注机制中，给定encoder的结构，上下文向量建立在RNN隐藏状态向量上，RNN隐藏状态向量充当源句子的前缀子字符串的表示。

1.2 Motivation

以往的attention机制都是基于encoder的RNN隐藏状态向量得出的，hidden state vector已经经过了RNN的处理，融合或者丢失了一些原本word的信息。所以原始的attention 机制不能直接有选择性地利用source中的word embedding的信息。

1.3 Contribution

• 本文提出了word attention机制，直接基于source word embedding计算注意力和context vector，增加了source端内容向量的可解释性。
  从source语义表示的角度来看，word attention增强模型将先前的subsequence级别的representation与low-level的word representation结合在一起，在不同的抽象级别上提取了源句的语义信息。通过这种方式，我们能够更全面的获得context vector来对源语句进行编码，这有助于每次解码步骤中结果输出。

• 为了更好地结合hidden context(也就是原本一般方式的attention 得到的context vector)和word context(也就是基于word attention提出的context vector），我们利用门控机制进行动态赋予每个解码步骤中两种context vector的权重。

• 自动摘要生成与神经网络机器翻译明确表明结合word attention的方法能够提高模型性能。特别是关于WMT'14英文 - 法文翻译任务，使用12M训练数据集，我们的方法在所有公布的结果中达到最佳效果。

2.模型

2.1 word attention

word attention.jpg

word attention model的整体架构

绿色的部分是编码器，黄色的部分是解码器，现在在decoder 第i个输出，也就是

图中编码器上层红色部分

代表attention vector，也就是[a1,a2,...aeos]其中每个ai都是一个标量，代表1.2中我们是介绍的基于RNN hidden state算出的注意力权重，

是每个hidden state与他的attention相乘得到的context vector。
图片绿色部分下层蓝色代表的就是我们用word attention算出的attention和基于word attention得到的context vector。

计算公式和原来的attention基本相同，只是hidden state换成了word embedding向量。

已经有了context vector（还是两个），我们该如何得到decoder i时刻的hidden state 以及i时刻的输出呢?

f函数的具体设置类似于GRU，如下公式

在这里的第2-4公式中，

两种attention mechanism得到的context vector是相同权重的，也就是1，然而，平等对待它们可能并不是最优的，因为不同的decoder侧单词可能依赖于不同层次的源端信息：它们中的一些可能优先使用sequence级别的源端上下文信息也就是基于hidden state的attenion得到的context vector，诸如包含在短语中的一些组合语义，而其他可能需要更具体和干净的单词上下文来获取更低级别的信息。因此，作者建议使用门单元来动态控制每个解码步骤的上下文数量。

2.2 门控机制

contextual 门控机制通过自适应控制subsequence level的

和word level的

的权重，可以实现子序列级别和字级源端信息的更好平衡 。具体而言，在第i个解码步骤中，contextual 门控机制检查两种context vector，结合RNN隐藏状态si-1和最后生成的词yi-1，输出一个门矢量oi来决定接受两种context的信息的权重。

word embedding的dimension是n,decoder hidden state的维度是m，所以

3.实验