自然语言处理二-attention 注意力机制
- [自然语言处理二-attention 注意力](#自然语言处理二-attention 注意力)
-
- 记忆能力
- [回顾下RNN（也包括LSTM GRU）解决memory问题](#回顾下RNN（也包括LSTM GRU）解决memory问题)
- 改进后基于attention注意力的model
-
- match操作
- softmax操作
- [softmax值与hidder layer的值做weight sum 计算和](#softmax值与hidder layer的值做weight sum 计算和)
- 将计算出来的和作为memory，成为decoder输入的一部分
- 依次计算decoder其他输入
自然语言处理二-attention 注意力
自然语言处理离不开attention的概念，当然attention的机制不仅仅用在自然语言处理。
那么attention到底是什么呢？Attention可以理解成一种记忆能力，而人工智能需要具备推理、人工智慧等能力，那记忆能力就必不可少。
记忆能力
记忆能力分为三种sensory memory、working memory、Long-term memory
Sensory memory记忆的时间很短，一般通过外界输入，比如眼睛和耳朵可以看到的东西
Working memory 真正感知世界的信息，选择人应该attention的东西，比如眼睛一瞬间可以看到很多东西，但我们会根据当下的需要，attention其中的一部分。
Long-term memory 真正要 处理 感知到的这些信息，还需要长期记忆，从长期记忆中提取到本次处理需要的信息，然后处理了后再encode到长期记忆中。比如说我们看到本次讲课的内容，需要回忆很久之前课程讲解的内容，消化后我们会再更新到长期记忆中。
整个过程就如下：
生物学上的注意力，也是遵从这个过程的。
Attention based的model如果对应于上述memory的处理过程，其实可以分为两部分：
1.第一部分是sensory memory和working memory之间，这部分用于处理模型的输入，用于关注模型中的部分输入。
2.第二部分是working memory和long-term之间，这部分也不陌生在老的模型，RNN和LSTM等模型中就具备这种记忆能力，但是这些模型有些缺点，越大的memory就意味着更多的参数，比如RNN中需要memory是K*K大小（K是memory size），参数过多很容易overfit(过拟合)。但是attention based的model就解决了这种问题，参加memory的size不会增加参数数量，这部分会在后面解释。
回顾下RNN（也包括LSTM GRU）解决memory问题
下面用RNN代表RNN LSTM GRU等，我们以前用RNN实现机器翻译是用的seq2seq的model，模型的实现架构如上图，这个里面是如何实现记忆能力的呢？
RNN中最后一个hidden layer的输出，作为解码器每一个单元的输入的一部分，也就是图中红框的部分，这就实现了解码的时候可以具有记忆功能了。但是最后一层的输出真的能代表整个输入的信息么？答案肯定是不能，所以我们有了新的模型，attention based的model
改进后基于attention注意力的model
这个model改进了上面RNN model的缺陷，增加了attention的处理。
要实现attention需要经过下面这些步骤
match操作
图中字符标识意义：
z0：vector(向量)，相当于RNN中init的memory。
match：function(操作)
a ^0^~1~ : 输入h1与z0经过match操作后的结果
这个match操作有很多不同的做法，不同的论文中不同：
1.cosine z 和h
2.一个小的nn的网络，input是z和h，输出是一个标量
3.h^T^W~z~,h的转置乘上一个矩阵W，乘上矩阵h
第2 3中是有参数的，该怎么学习获得呢？这部分下面会讲到。
用match操作对Encoder的hidden layer都计算一下，得到如下：
softmax操作
对上面得到的每一个a做softmax，目的是希望这些值的和是1。
值得注意的是，这些操作跟seq的长度是没有关系的。
softmax值与hidder layer的值做weight sum 计算和
也就是下图中c0
上图以softmax计算出来为0.5 0.5 0.0 0.0为例，出来的结果就是右图的c0
这个结果就表示说，我们这次的输入更关注前面两个的输入。
将计算出来的和作为memory，成为decoder输入的一部分
获取到c0 与z0之后经过 attintion的model生成了Z1
这时候可以解答上面如果需要learn的参数问题了，因为我们知道输出应该是machine，通过反向传播调整这个值，可以依次调整c0 ,最终调整到match操作中的参数。
依次计算decoder其他输入
获得Z1后，继续与z0做相同的操作，与hidden layer做match，softmax等生成c1
然后依次计算，一直遇到结束符。
模型就这样具备了记忆能力，当然也有其缺陷，所以后来也产生了自注意，这部分在后面的文章中会继续介绍。