系统学习NLP（二十三）--浅谈Attention机制的理解

左手的ㄟ右手 2021-12-03 14:23 408阅读 0赞

转自：[https://zhuanlan.zhihu.com/p/35571412][https_zhuanlan.zhihu.com_p_35571412]

## Attentin机制的发家史 ##

Attention机制最早是应用于图像领域的，九几年就被提出来的思想。随着谷歌大佬的一波研究鼓捣，2014年google mind团队发表的这篇论文《Recurrent Models of Visual Attention》让其开始火了起来，他们在RNN模型上使用了attention机制来进行图像分类，然后取得了很好的性能。然后就开始一发不可收拾了。。。随后Bahdanau等人在论文《Neural Machine Translation by Jointly Learning to Align and Translate》中，使用类似attention的机制在机器翻译任务上将翻译和对齐同时进行，他们的工作算是第一个将attention机制应用到NLP领域中。接着attention机制就被广泛应用在基于RNN/CNN等神经网络模型的各种NLP任务中去了，效果看样子是真的好，仿佛谁不用谁就一点都不fashion一样。2017年，google机器翻译团队发表的《Attention is all you need》中大量使用了自注意力（self-attention）机制来学习文本表示。这篇论文引起了超大的反应，本身这篇paper写的也很赞，很是让人大开眼界。因而自注意力机制也自然而然的成为了大家近期的研究热点，并在各种NLP任务上进行探索，纷纷都取得了很好的性能。

## Attention机制的本质 ##

attention机制的本质是从人类视觉注意力机制中获得灵感(可以说很‘以人为本’了)。大致是我们视觉在感知东西的时候，一般不会是一个场景从到头看到尾每次全部都看，而往往是根据需求观察注意特定的一部分。而且当我们发现一个场景经常在某部分出现自己想观察的东西时，我们就会进行学习在将来再出现类似场景时把注意力放到该部分上。这可以说就是注意力机制的本质内容了。至于它本身包含的‘自上而下’和‘自下而上’方式就不在过多的讨论。

## Attention机制的理解 ##

Attention机制其实就是一系列注意力分配系数，也就是一系列权重参数罢了。

## 用encoder to decoder来做引子 ##

我们可以用机器翻译来作为例子。当给出一句‘我爱你’(sorce)中文，要将它翻译成英文‘I love you’(target)时，利用现在深度学习最为流行的model--encoder to decoder，‘我爱你’被编码(这里指语义编码)成C，然后在经过非线性函数$g$来decoder得到目标Target中的每一个单词$y*1$,$y*2$,$y3$。计算如下：  
  
$$C = f(x1,x*2,x*3)$$ $$y*1 = g(C)$$ $$y*2 = g(C,y*1)$$ $$y*3 = g(C,y*1,y*2)$$  
  
这样的过程称之为一个分心模型。这是因为sorce中每一个元素对语义编码C的作用是相同的，也就是每一个元素的重要程度都是一样的。可实际上，‘我’这个元素对target中的'I'的结果是影响最大的，其他元素的影响可以说是微乎其微。但是在上述模型中，这个重要程度没有被体现出来，所以这是一个分心的模型。而与其对应的**注意力模型就是要从序列中学习到每一个元素的重要程度，然后按重要程度将元素合并。**这就表明了序列元素在编码的时候，所对应的语义编码C是不一样的。所以一个体现attention机制运行的图示如下:

![aHR0cHM6Ly9waWMzLnpoaW1nLmNvbS84MC92Mi03MTEzZDAyOGQ4NzhlYmNmODY1NGQzY2U2YjU0ZmEzNl9oZC5qcGc][]

所以$C$就不单单是$x*1,x*2,x*3$简单的encoder，而是成为了各个元素按其重要度加权求和得到的。也即:  
  
$$C*i = \\sum*\{j=0\}^\{L*x\}a*\{ij\}f(x*j)$$  
其中i表示时刻，j表示序列中第j个元素，$L*x$表示序列的长度，$f()$表示元素$x*j$的编码。

## 现在抛开encoder-decoder ##

我们现在抛开encoder-decoder来说attention机制。既然attention是一组注意力分配系数的，那么它是怎样实现的？这里要提出一个函数叫做attention函数，它是用来得到attention value的。比较主流的attention框架如下：

![aHR0cHM6Ly9waWMzLnpoaW1nLmNvbS84MC92Mi04YmRiMGQyMDlhOGRhM2UxYzQ5ZGM4OGEzMjM3NmZmMl9oZC5qcGc][]

上图其实可以描述出attention value的本质：它其实就是一个查询(query)到一系列键值(key-value)对的映射。  
  
这个也就是attention函数的工作实质，如下图所示：

![aHR0cHM6Ly9waWMyLnpoaW1nLmNvbS84MC92Mi00NGQyZjZmOWY2MGNhMjFjOGI0NzVjMTI3MjhhZTgxZF9oZC5qcGc][]

## Attention函数工作机制 ##

attention函数共有三步完成得到attention value。  
\- Q与K进行相似度计算得到权值  
\- 对上部权值归一化  
\- 用归一化的权值与V加权求和  
此时加权求和的结果就为注意力值。公式如下:$$Attention Value = similarity(QK^T)V$$  
在自然语言任务中，往往K和V是相同的。这时计算出的attention value是一个向量，代表序列元素$x*j$的编码向量。此向量中包含了元素$x*j$的上下文关系，即包含全局联系也拥有局部联系。全局联系是因为在求相似度的时候，序列中元素与其他所有元素的相似度计算，然后加权得到了编码向量。局部联系可以这么解释，因为它所计算出的attention value是属于当前输入的$x\_j$的。这也就是attention的强大优势之一，它可以灵活的捕捉长期和local依赖，而且是一步到位的。

## 换一个角度理解Attention机制 ##

说到这里，大家应该也明白attention机制具体是个啥吧。其实也不是很玄乎，就是把序列中各个元素分配一个权重系数。上面从attention函数得到了attention机制工作过程。现在换一个角度来理解，我们将attention机制看做软寻址。就是说序列中每一个元素都由key(地址)和value(元素)数据对存储在存储器里，当有query=key的查询时，需要取出元素的value值(也即query查询的attention值)，与传统的寻址不一样，它不是按照地址取出值的，它是通过计算key与query的相似度来完成寻址。这就是所谓的软寻址，它可能会把所有地址(key)的值(value)取出来，上步计算出的相似度决定了取出来值的重要程度，然后按重要程度合并value值得到attention值，此处的合并指的是加权求和。  
谈谈Attention机制的优劣

## 优点: ##

*  一步到位的全局联系捕捉  
      
    上文说了一些，attention机制可以灵活的捕捉全局和局部的联系，而且是一步到位的。另一方面从attention函数就可以看出来，它先是进行序列的每一个元素与其他元素的对比，在这个过程中每一个元素间的距离都是一，因此它比时间序列RNNs的一步步递推得到长期依赖关系好的多，越长的序列RNNs捕捉长期依赖关系就越弱。
 *  并行计算减少模型训练时间  
      
    Attention机制每一步计算不依赖于上一步的计算结果，因此可以和CNN一样并行处理。但是CNN也只是每次捕捉局部信息，通过层叠来获取全局的联系增强视野。
 *  模型复杂度小，参数少  
    模型复杂度是与CNN和RNN同条件下相比较的。

## 缺点: ##

缺点很明显，attention机制不是一个"distance-aware"的，它不能捕捉语序顺序(这里是语序哦，就是元素的顺序)。这在NLP中是比较糟糕的，自然语言的语序是包含太多的信息。如果确实了这方面的信息，结果往往会是打折扣的。说到底，attention机制就是一个精致的"词袋"模型。所以有时候我就在想，在NLP任务中，我把分词向量化后计算一波TF-IDF是不是会和这种attention机制取得一样的效果呢? 当然这个缺点也好搞定，我在添加位置信息就好了。所以就有了 position-embedding(位置向量)的概念了，这里就不细说了。

## 结语 ##

Attention机制说大了就一句话，分配权重系数。当然里面还有很深的数学道理和理论知识，我还是没搞懂滴。所以这点浅显的理解就当茶语饭后的笑谈吧。

[https_zhuanlan.zhihu.com_p_35571412]: https://zhuanlan.zhihu.com/p/35571412
[aHR0cHM6Ly9waWMzLnpoaW1nLmNvbS84MC92Mi03MTEzZDAyOGQ4NzhlYmNmODY1NGQzY2U2YjU0ZmEzNl9oZC5qcGc]: /images/20211203/26a64bd1b7a842acaf3886b5b8c4684a.png
[aHR0cHM6Ly9waWMzLnpoaW1nLmNvbS84MC92Mi04YmRiMGQyMDlhOGRhM2UxYzQ5ZGM4OGEzMjM3NmZmMl9oZC5qcGc]: /images/20211203/161053f12f5647fd850fa2518e84b72a.png
[aHR0cHM6Ly9waWMyLnpoaW1nLmNvbS84MC92Mi00NGQyZjZmOWY2MGNhMjFjOGI0NzVjMTI3MjhhZTgxZF9oZC5qcGc]: /images/20211203/1424c392da934786963db5cc5e2826ab.png