文献阅读笔记：ABCNN: Attention-Based Co

关键词：Attention机制；CNN；卷积神经网络；文本分类；智能问答

开胃水果

文献：ABCNN: Attention-Based Convolutional Neural Network for Modeling Sentence Pairs
这篇文章结合卷积神经网络CNN和Attention机制，提出应用到文本分类中。

文本贡献：

• 第一：将Attention机制和CNN结合应用到句子建模
• 第二：提出三种结合Attention机制的建模方式
• 第三：核心是通过Attention机制将原先各自独立的句子，考虑句子之间的相关性，构建出包含句子上下文关系的新的句子模型

在一些自然语言处理任务中，构建合理的句子对是非常关键的。比如QA问题中，匹配问题和答案。从问题中抽取关键的决定性的词语，去匹配合理的答案。

文章中综述了Attention机制在自然语言和非自然语言处理中的一些应用文章。

• 深度学习+Attention机制机制在图像识别领域：计算机视觉针对可视化问答（Visual question answering）文章（Chen et.al2015）,图像分类（Xiao 2015） 标题生成（Xu .2015）,图像片段（image segmentation）(Hong et al.2016). Minih et al 2014将attention机制和循环神经网络结合从视频和图片中获取信息。 Gregor et al. 2015 使用空间attention机制和RNN网络 for image generation。。 Chorowski 2015 应用attention机制和RNN网络用来speech recognition.
• 深度学习+attention机制在NLP领域的应用：Attention机制在图像识别领域取得成功后，也被应用到NLP领域。主要做法是利用end-to-end encoder-decoder and RNNs . 最初是应用在机器翻译中（Bahdanau et al. 2015,Luong et al.2015）和 text reconstruction（Li et al.2015 ,Rush 2015）等。

主要思路

• BCNN结构：使用基本CNN网络（无attention机制），每次处理一对句子。输出层解决sentence pair task.

BCNN结构 image.png

• Input layer

每个句子被填充为相同长度s，使用词向量映射每个句子为矩阵s*300维矩阵。

输入层

• Convolution Layer

卷积层
w 应该是卷积核过滤器的宽度。卷积时如果会对周边做填充。也就是当j<1 或 j>s时，就是按照w*d0的过滤器做卷积。

• Pooling Layer

选用平均池化作为baseline

池化层

两次卷积和池化，输出层softmax
BCNN方式就是正常的一个CNN网络架构。

• ABCNN结构：文章提出了三种结构，ABCNN-1，ABCNN-2，ABCNN-3

• ABCNN-1结构

ABCNN-1 image.png

结构中增加了一个抽象层级，就是在原有单词级上增加了一个短语级的抽象。单词级的抽象文中重新命名为unit,作为低级别的表示，短语级的作为更高一级的表示。图中那个红色的与BCNN网络中的输入是一样的，是句子的词向量矩阵，两个句子。第一个句子5个单词，第二个句子7个单词。
蓝色的为短语级高一级的词向量表示。蓝色表示是由Attention Matrix A和红色词向量计算生成
Attention Matrix A是由左右两个句子的情况生成。 A中的 i 列值是由左边句子（五个单词）中第 i 个单词（unit）的向量与右边句子的Attention值分布（），j行值是由右边句子中第j个单词的向量与左边句子的Attention值分布. 计算在下面定义？

Matrix A的计算：

Matrix A
d 表示词向量维度，s表示的是句子的长度（句子长度填充为相同长度）。使用欧几里德距离。Matrix A中数值Ai,j的计算是由左边句子向量表示的第i列向量和右边句子第j列的距离度量， 度量方式有差异。作者使用的是两个向量的欧几里德距离。

获取的Matrix A后，对两个句子分别应用不同的权重矩阵（模型在学习的时候要学习的参数），生成两个句子的新的Attention特征表示。计算方法:

new attention feature map

接下来将句子的原始词向量表示和Attention特征表示作为3D 张量形式输入到卷积层进行计算。

• ABCNN-2机制

ABCNN-2 image.png

ABCNN-2架构是在以初始词向量形式输入并经过卷积后的输出的向量表示中（两个句子分别变成了7col和9col），计算出Attention Matrix A. 计算方法还是计算两个句子对应单词向量的欧式距离，生成向量矩阵，方法同ABCNN-1的架构。
第二步：计算卷积向量权重，给每个单词计算一个权重值。左边句子（7col）的每个单词对应的Attention权重是由Matrix A中列向量求和的值作为权重值，col-wise sum，右边句子中每个单词的权重值是Matrix A中行向量求和值作为权重值，row-wise sum.

句子S0中第j个单词的Attention值
句子原始输入是词向量矩阵，左边的是5d，右边是7d，w是3
句子的卷积输出（c表示卷积输出，就是原始词向量经过一次卷积生成的矩阵,w是卷积宽度，si是句子长度,d是词向量长度)
将卷积输出的特征矩阵，基于Attention权重值，做池化。i 取值为0,1，j取值为句子长度。
基于Attention权重的平均池化计算，池化输出特征矩阵，p表示池化输出

ABCNN-1和ABCNN-2比较：1、ABCNN-1中Attention是间接的影响卷积，ABCNN-2中通过Attention权重直接影响池化。2、ABCNN-1需要两个权重矩阵需要学习，并且输入特征矩阵要两次， 相比ABCNN-2网络需要更多的参数学习，容易过拟合。3、ABCNN-2执行更大粒度的池化，如果在卷积层输入的是词粒度的，那么ABCNN-2在池化时就已经是短语粒度的（经过卷积了），池化时的w和卷积的w保持一致。

• ABCNN-3机制

将ABCNN-1和ABCNN-2结合，作为架构，这样保留word level信息，也增加了phrase level的信息。更加高层次的特征抽象。

ABCNN-3 image.png

• 在不同任务上的实验结果

文中提到，在最后输出层，使用线性SVM和默认参数的LR分类器效果似乎比LR层更好，在输出层似乎能够获得更优的全局解。

分类器： 网络参数配置 image.png image.png image.png