2017 · ICLR · A STRUCTURED SELF-ATTENTIVE SENTENCE EMBEDDING ·

想法来源：监督任务+self-attention的方法，

价值：把Self-att扩展了一下，变成了矩阵

方法：Self attention产生的结果是一个向量，但是作者认为不能捕捉多层的意思，所以做成了一个矩阵。并在相同的attention上，做了惩罚项。

缺点：so simple

详细方案：

1. 先过BiLSTM，产生
2. 的形状从调整成了得到了A
3. 重新表示，并在loss中加惩罚项。，其中，表示的矩阵的Frobenius范数，I是单位矩阵。

Frobenius范数:设A是mxn的矩阵，其F范数定义为

数据集：

1. the Age dataset：一个推特的推文数据集，推文中有对用户年龄的描述，作者将其分为了5个年龄段，该数据上进行的任务是根据推文判断用户年龄段。分类问题。
2. Yelp dataset：一个用于情感分类任务的数据集，包含2.7M个评论，分类任务是根据输入的评论推测出评论对应的星数（从1星到5星）。
3. Stanford Natural Language Inference(SNLI) Corpus：一个用于关系推理的数据集，其实也是一个分类任务，根据输入的句子对，推测出对应的关系。

实验：

image
image
image