Attention原理图解（非常详细）

1.前言

希望大家结合上一篇博文讲的seq2seq详细总结来看，这样的模型其实是存在缺点的：

遗忘：输入文本很长时，语义向量c 偏向于记住靠近它的几个单词，它的运行机制相当于读完整个文本再去做翻译，而我们人类会一句一句的翻译，这样就引入了Attention 机制它与 seq2seq 最大的不同是： seq2seq 的语义向量 c 是固定的，而Attention 每个时刻的 语义向量 c 不同seq2seq模型的语义向量 c 无法表达输入序列各单词的重要性，而attenton 每个时刻的c向量都能反映输入单词的权重关系seq2seq没有对齐机制，而attention具有这种性质，它能计算出目标单词与哪个输入单词关系最大

2. 简单的网络结构

看个图，大家就能明白啦 h1,h2,h3,h4是 RNNCeil 每个时刻的隐层状态

3.attention模型结构分析

这个结构图比上面画的更官方一点

编码部分是双向的GRUh 是编码的隐层状态（有正向和反向）s 是解码的隐层状态

观查到 s3, y3的箭头有3个。像seq2seq讲解那样画一个输入关系的图，便于好记~

① 观测上图：每一时刻t 的输出y_t 由三个要素决定：t 时刻i的隐状态 s_t，t 时刻的语义向量c_t，上一时刻 t−1的输出y_t−1 每一时刻t 的隐层状态s_t 由三个要素决定：t-1 时刻i的隐状态 s_t-1，t 时刻的语义向量c_t，上一时刻 t−1的输出y_t−1 这里 ht’ 就是 s_t, ht-1’ 是 s_t-1 同样：f 是 softmax层（在论文中接了Maxout层），g 是RNNCeil 如RNN， GRU ②语义向量 C 怎么得到? ? hi 是双向隐层拼接的结果 αt,i 是第 t 时刻，hi 的权重系数 S 是解码部分的隐层状态，h 是编码部分的隐层状态

以上面那个图为例：求第 三 时刻的 语义向量 c3: c3 = α3,1 * h1 + α3,2 * h2 + α3,3 * h3 + α3,4 * h4 好了，我们现在的问题就只剩计算 score(s, h)

4. 计算权重α

这里的权重反映的是相似度，αt,i有两种方法求 score 计算完之后必须用 softmax 归一化

score衡量两个向量的相关性，衡量两向量相关性的方法有：

内积：越大越相似 score (x,y) = x • y 缺点：x, y向量维度必须一致才能做内积乘以一个矩阵W，W的作用是把 x, y 维度变得一样 score (x,y) = (x^T)Wy训练神经网络 以 x ,y 向量作为输入，输出为一个实数，只有一个隐层h 如图： 只要把 x,y 向量换成St-1, hi 或 St, hi 就可以计算score了 对比三种方法：第 2 种最好，因为x 和 y 有关联，score 就是真正意思上的相似的，而第三种，将 x，y 统一作为输入，已经变得无关了。