主要列一下参考文献,便于以后再了解~
从Seq2seq到Attention模型到Self Attention(一)
从Seq2seq到Attention模型到Self Attention(二)
Attention (Query,Key,Value)
一般Attention: Query来自Decoder中,Key=Value来自Encoder中,一般有乘法Attention和加法Attention,加法的话Query和Key的维度可以不一致,乘法Attention的一般一致,方便计算,因为eij=tanh(V*(W1Di+W2hj)),通过W1,W2可以进行恢复为统一权重;
Self-Attention:Query=Key=Value来自来自同一边,同时来自Encoder或者Decoder,这是为了解决1)原始Encoder或者Decoder中RNN的训练速度非常慢的问题;2)原始的context vector只是目标句和输入句之间的关系,却忽略了输入句或目标句中单词之间的关联,因此自然而然提出了Self-Attention方法,详见上面的参考文献~