Attention的思想如同它的名字一样,就是“注意力”,在预测结果时把注意力放在不同的特征上。
一、举个例子
- 比如在预测
“我妈今天做的这顿饭真好吃”
的情感时,如果只预测正向/负向,那真正影响结果的只有“真好吃”这三个字,前面说的“我妈今天做的这顿饭”基本没什么用,如果是直接对token embedding进行平均去求句子表示会引入不少噪声。 - 所以引入attention机制,让我们可以根据任务目标赋予输入token不同的权重,理想情况下前半句的权重都在0.01,后三个字则是“0.3, 0.3, 0.3”
- 在计算句子表示时就变成了:
最终表示 = 0.01x我+0.01x妈+0.01x今+0.01x天+0.01x做+0.01x的+0.01x这+0.01x顿+0.02x饭+0.3x真+0.3x好+0.3x吃
核心就在于这个权重怎么计算?
二、注意力公式
通常我们会将输入分为query(Q), key(K), value(V)三种:
上文中QK的具体运算f有多种方法,常见的有加性attention和乘性attention:
再深入理解下去,这种机制其实做的是寻址(addressing),也就是模仿中央处理器与存储交互的方式将存储的内容读出来,可以看一下李宏毅老师的课程。
三、注意力早期的发展
attention在NLP中最早的应用:Seq2seq+attention。
(1)没有attention的Seq2seq:
(2)加入attention与rnn结合的model(也叫soft attention):
四、优缺点
优点:
- 在输出序列与输入序列“顺序”不同的情况下表现较好,如翻译、阅读理解;
- 相比RNN可以编码更长的序列信息;
- 运算并行,加速推理。
缺点:
- 对序列顺序不敏感。
如果有用,请点个三连呗 点赞、关注、收藏
。
你的鼓励是我最大的动力