Attention Mechanism

作者: 哒丑鬼 | 来源:发表于2018-11-22 23:11 被阅读0次

Attention

$( K , V ) = \left[ \left( \mathbf { k } _ { 1 } , \mathbf { v } _ { 1 } \right) , \cdots , \left( \mathbf { k } _ { N } , \mathbf { v } _ { N } \right) \right]$ 表示 $N$ 个输入信息，给定任务相关的查询向量 $\mathbf q$ 时，注意力函数为:
$\begin{aligned} \operatorname { att } ( ( K , V ) , \mathbf { q } ) & = \sum _ { i = 1 } ^ { N } \alpha _ { i } \mathbf { v } _ { i } \\ & = \sum _ { i = 1 } ^ { N } \frac { \exp \left( s \left( \mathbf { k } _ { i } , \mathbf { q } \right) \right) } { \sum _ { j } \exp \left( s \left( \mathbf { k } _ { j } , \mathbf { q } \right) \right) } \mathbf { v } _ { i } \end{aligned}$
其中 $s \left( \mathbf { k } _ { j } , \mathbf { q } \right)$ 为score function，表示 $\mathbf {k} _ {j}$ 在查询向量 $\mathbf q$ 的注意力大小。

在绝大多数场景中， $K=V$ 。

下表总结了常用的score function的计算方法

Name	score function	Citation
Additive/Concat	$s \left( \mathbf { k } _ { j } , \mathbf { q } \right) = v ^ { \top } \tanh \left( \mathbf { W }\mathbf { q } + \mathbf { U } \mathbf { k } _ { j } \right)$	Bahdanau at al.,2015
Location	$s \left( \mathbf { k } _ { j } , \mathbf { q } \right)= \mathbf { W } \mathbf { q }$	Luong at al.,2015
General	$s \left( \mathbf { k } _ { j } , \mathbf { q } \right)= \mathbf { q } ^ { \top } \mathbf { W }\mathbf { k } _ { j }$	Luong at al.,2015
Dot Product	$s \left( \mathbf { k } _ { j } , \mathbf { q } \right)= \mathbf { q } ^ { \top } \mathbf { k } _ { j }$	Luong at al.,2015
Scaled Dot-Product	$s \left( \mathbf { k } _ { j } , \mathbf { q } \right)= \frac { \mathbf { q } ^ { \top }\mathbf { k } _ { j } } { \sqrt { n } }$	Vaswani at al.,2017

Self-Attention

假设输入序列为 $X = \left[ \mathbf { x } _ { 1 } , \cdots , \mathbf { x } _ { N } \right] \in \mathbb { R } ^ { d _ { 1 } \times N }$ ，输出序列为 $H = \left[ \mathbf { h } _ { 1 } , \cdots , \mathbf { h } _ { N } \right] \in \mathbb { R } ^ { d _ { 2 } \times N }$ ，首先我们可以通过线性变换得到三组向量序列：
$\begin{array} { l } { Q = W _ { Q } X \in \mathbb { R } ^ { d _ { 3 } \times N } } \\ { K = W _ { K } X \in \mathbb { R } ^ { d _ { 3 } \times N } } \\ { V = W _ { V } X \in \mathbb { R } ^ { d _ { 2 } \times N } } \end{array}$
其中 $Q$ , $K$ , $V$ 分别为查询向量序列，键向量序列和值向量序列， $W_Q$ , $W_K$ , $W_V$ 分别为可学习的参数矩阵。
输出向量 $\mathbf { h } _ { i }$ 可通过以下方法计算得到：
$\begin{aligned} \mathbf { h } _ { i } & = \operatorname { att } \left( ( K , V ) , \mathbf { q } _ { i } \right) \\ & = \sum _ { j = 1 } ^ { N } \alpha _ { i j } \mathbf { v } _ { j } \\ & = \sum _ { j = 1 } ^ { N } \operatorname { softmax } \left( s \left( \mathbf { k } _ { j } , \mathbf { q } _ { i } \right) \right) \mathbf { v } _ { j } \end{aligned}$
其中 $i , j \in [ 1 , N ]$ 为输出和输入向量序列的位置，连接权重 $\alpha_{ij}$ 由注意力机制动态生成。由于自注意力模型的权重是动态生成的，因此可以处理变长的信息序列。