Attention機制的理解

Attention機制也就是注意力機制，在自然語言處理中，就是對於一個語言序列的不同的部分給予不同的注意力，在數學上一般表現為權重，也就是對一個語言序列的各個元素加權。

對Attention機制給一個通用的定義：給定一組向量集合values，以及一個向量query，attention機制是一種根據該query計算values的加權求和的機制。這個定義來源於cs224n。

所謂attention就是這個value集和中的每個向量的權值的大小，attention機制就是用一種方式來計算出這個權值。

seq2seq中Attention機制的運用

attention在seq2seq模型中的計算方法大致如下：

1. 將文字資訊輸入encoder模型中，每一步均會產生一個hidden state：
2. 將encoding最後一個hidden state作為decoder中hidden state的初始值，輸入到decoder中。
3. 在decoder中每一個timestep均會產生一個hidden state：
4. decoder的上一個timestep產生的hidden state：，將與encoder中的每個hidden state：分別做點積，得到的標量叫做encoder中的每個hidden state的Attention score。
5. 然後對Attention score做softmax得到一個概率分佈叫做Attention distribution
   。
6. 根據Attention distribution對encoder中的每個hidden state加權平均得到context vector。
7. 然後將context vector輸入decoder最後輸出預測的詞。

上圖中大概展示了attention機制中是如何計算出attention score。

上圖展示瞭如何計算Attention distribution：

。

上圖展示瞭如何計算attention output，也就是context vector：

常見的幾種Attention計算方式

• soft attention， global attention
• hard attention
• local attention

soft attention也就是global attention，soft attention和hard attention相對應，global attention和local attention相對應。soft attention在求出attention distribution之後將概率分佈和encoder的hidden state相乘求和，也就是求加權平均。hard attention就是將attention distribution中概率最大的一項置為一，其餘置為0。也就是將所有的attention集中在概率最大的一個hidden state，其他的直接忽略。local attention是soft和hard的結合體，先求hard attention，找到attention score最高的那個hidden state，然後以這個為中心，選取他周圍的幾個做softattention。

如何改變Attention計算方式

有幾個方向重新設計Attention：

1. 改變Attention score/distribution的計算方式
2. 改變加權平均hidden state的計算方式

上面介紹的soft attention/global attention、hard attention、local attention就是在改變加權平均hidden state的計算方式。通過改變計算Attention score的計算方式，也可以設計出很多新的attention機制。例如對將點乘改為concat、改為線性組合、加入激勵函式等。

同樣可以改變計算Attention distribution的計算方式，例如直接對Attention score歸一化等：