【1】NLP中有一类问题：给定一段上下文（context），生成一段与context相关的（target）
eg：翻译/阅读理解/摘要生成
【2】这类问题需要RNN解码，用一个 RNN encoder读入context， 得到一个context vector（RNN的最后一个hidden state）；然后另一个RNN decoder以这个hidden state为起始state，依次生成target的每一个单词。
【3】这种做法的缺点是，无论之前的context有多长，包含多少信息量，最终都要被压缩成一个几百维的vector。这意味着context越大，最终的state vector会丢失越多的信息。输入sentence长度增加后，最终decoder翻译的结果会显著变差。
【4】因为context在输入时已知，一个模型完全可以在decode的过程中利用context的全部信息，而不仅仅是最后一个state。这就是attention思想
1834
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
