sequence2sequence 论文总结
问题:对于DNN(Deep neural network )来说,其需要输入和输出的维度是已知的并且是固定的.但是对于序列问题,常常是长度不固定的,因此传统DNN结构是不可用的.
在本篇文章中直接使用LSTM网络结构来解决这个问题,基本想法就是使用一个LSTM结构来处理输入,由于输入是序列,处理的时候是按序列时间步来处理的,经过处理后得到一个固定维度的向量,最后使用另一个LSTM结构来对输出的固定长度的向量进行处理得到最终输出向量,此时输出向量长度是可变的。具体我们看图:
可以看见第一个LSTM结构对输入序列ABC进行处理,每次处理一个时间步,然后得到固定长度向量W。然后第二个LSTM结构将W作为第一个时间步输入,得到输出X,然后将X作为第二个时间步输入,得到Y,以此我们就可以得到输出XYZ,可以看到输出是可以任意长度的。
为甚么输出可以任意长度?
首先第一点:第一个LSTM结构中没有使用每个时间步的输出,而只使用了最后一个时间步输出 .
第二点:LSTM是循环神经网络一种,第二个LSTM结构将上一个时刻输出作为当前输入,这样就可以不断循环下去。
为甚么可以这样是这样编码解码的结构?不怕信息丢失?
注意第二个LSTM结构不尽以W作为输入,而且还继承了前一个LSTM的隐层状态,而LSTM的三道门结构可以保证时序信息的整合,因此这样的结构是可行得.
注意文章中还提到:最终我们发现在原句中逆转单词顺序,会取得明显的提升,因为这样做会在源语句和目标句子之间引入许多短期依赖关系,这使得优化问题更容易。
The model
RNN对时序的处理是这样的:
给定一个序列输入
(
x
1
,
x
2
,
.
.
.
,
x
T
)
(x_1,x_2,...,x_T)
(x1,x2,...,xT),那么我们可以通过一个RNN结构得到一个序列输出
(
y
1
,
y
2
,
.
.
.
.
,
y
T
)
(y_1,y_2,....,y_T)
(y1,y2,....,yT),通过训环执行下面式子:
h
t
=
s
i
g
m
(
W
h
x
x
t
+
W
h
h
h
t
−
1
)
h_t=sigm(W^{hx}x_t+W^{hh}h_{t-1})
ht=sigm(Whxxt+Whhht−1)
y
t
=
W
y
h
h
t
y_t=W^{yh}h_t
yt=Wyhht
这里我们就成
h
t
h_t
ht是RNN在t时刻的隐藏状态,可以看见 这样的去处理序列结构的化输入输出都必须是相同长度的,这样就不能对应变长的输出(自然语言处理问题基本上输入输出序列长度是不同的),一个简单的解决就是前面提到的两点:首先第一点,第一个LSTM结构中没有使用每个时间步的输出,而只使用了最后一个时间步输出(隐层状态) .第二点,LSTM是循环神经网络一种,第二个LSTM结构将上一个时刻输出作为当前输入,这样就可以不断循环下去得到不同长度的输出。
用概率学来解释:
整个LSTM结构是为了去估计条件概率
p
(
y
1
,
y
2
,
.
.
,
y
T
′
∣
x
1
,
x
2
,
.
.
,
x
T
)
p(y_1,y_2,..,y_{T{'}}|x_1,x_2,..,x_T)
p(y1,y2,..,yT′∣x1,x2,..,xT),这里
T
T
T不一定等于
T
′
T{'}
T′。过程是这样,首先第一个LSTM层将输入
x
1
,
x
2
,
.
.
,
x
T
x_1,x_2,..,x_T
x1,x2,..,xT处理为一个固定长度向量
v
v
v,然后在第二个LSTM中进行标准的循环网络计算,第二个LSTM结构以上一个LSTM的最后输出(隐层状态)作为第一个时间步输入,并且继承上一个LSTM的隐层状态
v
v
v,也就是用
v
v
v初始化自己的隐层状态.所以有:
p
(
y
1
,
y
2
,
.
.
,
y
T
′
∣
x
1
,
x
2
,
.
.
,
x
T
)
=
∏
t
=
1
T
′
p
(
y
t
∣
v
,
y
1
,
y
2
,
.
.
,
x
t
−
1
)
p(y_1,y_2,..,y_{T{'}}|x_1,x_2,..,x_T)=\prod_{t=1}^{T{'}}p(y_t|v,y_1,y_2,..,x_{t-1})
p(y1,y2,..,yT′∣x1,x2,..,xT)=t=1∏T′p(yt∣v,y1,y2,..,xt−1)
倒置输入
比如我们学习 a , b , c a,b,c a,b,c到 α , β , γ \alpha,\beta,\gamma α,β,γ的映射,那么输入时按 c , b , a c,b,a c,b,a的顺序输入,通过这种方式,使 a a a和 α \alpha α靠的更近, b b b和 β \beta β靠的更近.