[PaperReading]*Bi-Directional Attention Flow For Machine Comprehension

概述

attention一直在做的，是将原本的数据信息，有重点有方向地进行总结。这篇文章注意到一个问题，那就是在attention机制上，之前的工作总是在得出attention权重后对于原数据进行总结summary，这使得得到了attention结果的同时，丢失了部分原数据的信息，并且还可能破坏训练得到的attention的意义（个人觉得做乘法取概率不一定是attention的最终归宿）。本文就以上问题，提出了新的想法，对于计算出的attention结果，不做summary，将attention的信息和原信息一样向下一层传递，避免因为summary过早，造成原信息的损失。在此基础上提出了attention flow的概念，并针对特定的文本理解模型，设计了双向attention flow，这里的双向针对的是文本context和提问query，不只query要对context形成attention，context也要对query形成attention，这样的方式被称为双向Bi-Directional Attention Flow。

模型

机器学习的模型的层次性，一层一层的操作，可能会执行相同的事，也可能执行不同的任务，但是一层接一层的操作让模型变得容易实现和理解。大部分模型下一层的输入是上一层的输出，这样对层次的分析很方便划分，resnet的残差操作或是其他网络的highway结构，是对这种结构的突破。在本文中的attention flow的提出，在我看来（纯个人观点）是对类似highway的突破。突破点在于，它其实很类似一个另类数据增强的操作，增强的部分是数据的逻辑性，然后把数据新的处理结果和原数据一同传入下一层。
上图是论文中的模型结构图，明显的分层模型。论文原文对每一层都有清晰的描述。
Character Embed Layer： 字母级别的embedding，之后对每个单词通过CNN等操作，整合为word level的Embedding，$d$维；
Word Embed Layer： 预训练的word embedding，文中采用的是GLOVE词向量，$d$维；

前两层得到的两个不同的embedding结果，经过一个，两层highway网络，转化为新的$d$维结果，context转化为$X\in {\mathbb{R}}^{d\times T}$，query转化为$Q\in {\mathbb{R}}^{d\times J}$

Contexual Embed Layer： 输入为前两部分的embedding的结合每一个词是一个维度为$d$的向量，利用双向LSTM对于文本进行编码，每一个方向的输出维度均为$d$，最后结合为一个$2d$维度的向量。对于长度分别为context长度$T$和query长度$J$的结果，分别有$H\in {\mathbb{R}}^{2d\times T}$，和$U\in {\mathbb{R}}^{2d\times J}$，包括context编码$h_i$和query编码$u_i$；
Attention Flow Layer： 得到了$H$和$U$编码后，进行双向attention操作。之后将attention的结果通过一个函数进行整合，最终的结果是将$H$，C2Q的attention结果$\tilde{U}$，Q2C的attention结果$\tilde{H}$，三者经过一定结合，传入后续结构。
Model Layer： 两层的双向LSTM编码；
Output Layer： softmax判断答案在context中的起始点和终结点。

总结

attention flow的思路是从原本的attention的形成模式中，保留attention却又不想失去原信息提出的中和方案。辛辛苦苦计算出来的特征，一个summary可能会丢弃掉不少。highway的模式在网络中起到的效果是值得探讨的。