摘要
Memory Networks 通过结合长时记忆模块 和 推断模块 联合工作来进行推理。长时记忆模块可以进行读写,也为了用来预测。我们是为了问答系统来研究这个模型,长时记忆模块正作为问答系统的(类似内存的)知识库。
问题引出
现在的RNN记忆能力不行,本文解决这个问题。核心思想是弄一个读写的内存组件。
Memory Networks基本框架
一个Memory Networks包括一个内存m(也就是一个对象的数组,每个是来表示)
以及4个会被训练的组件 I G O R:
I : (输入特征映射)–把输入转变成内部的特征表示
G : (生成)–在新的输入来了的时候更新旧的内存
O : (输出特征映射) – 给定新的输入和现在的内存状态,在特征表示空间 产生新的输出
R : (回馈结果) – 把输出转化为想要的格式,比如文本或者 动作Action
给一个输入x,x可以是 字,词,句子,图像,声音。然后:
1,把x转成内部特征表示I(x)
2,更新,给定I(x)
3,计算输出特征o,给定输入和内存