浅谈Attention注意力机制及其实现

1. 什么是注意力机制

1.1 注意力机制的思想

关于什么是注意力机制，粗略的描述就是“你正在做什么，你就将注意力集中在那一点上”。这种机制就和人脑在思考问题时一样。例如我们在思考将句子“我是一个学生”翻译成英文的时候，脑子中首先想到的就是“我”$⟷$ "I"的这样一种映射（而不是先想到其它部分），这就是注意力机制在人脑中的表现。即，我们在按词组依次翻译这句话的过程中，当我们翻译到某个部分时，我们的大脑就只会联想到（将注意力集中到）最与其**相关（相似）**的英文映射。因此，我们同样可以将这一思维过程运行到神经网络中来。

1.2 注意力机制的运用

自注意力机制被提出以来，在各个领域中都有着广泛的应用，例如机器翻译，看图说话（image caption)。而笔者也是通过谷歌开源的NMT翻译模型而了解并学习到这一思想的。在之前的一篇文章中笔者已经介绍了注意力机制的相关计算过程，但现在想想并不算太详细。下面就再次通过Seq2Seq这一翻译模型来谈谈注意力机制。

如图p0109所示，英文句子“I am a student”被输入到一个两个的LSTM编码网络（蓝色部分），经过编码后输入到另外一个两层的LSTM解码网络（棕色部分）。当网络在按时刻进行翻译（解码）的时候，第一个时刻输出的就是图中的$h_t$。在前面我们说到，我们希望网络也能同我们人脑的思考过程一样，在依次翻译每个时刻时，网络所“联想”到的都是与当前时刻最**相关（相似）**的映射。换句话说，在神经网络将"I am a student"翻译成中文的过程中，当解码到第一个时刻时，我们希望网络仅仅只是将注意力集中到单词"I"上，而尽可能忽略其它单词的影响。可这说起来容易，具体该怎么做，怎么体现呢？

我们知道$h_t$是第一个解码时刻的隐含状态，同时以上帝视角来看，最与$h_t$相关的部分应该是"I"对应的编码状态${\overline{h}}_1$。因此，只要网络在解码第一个时刻时，将注意力主要集中于${\overline{h}}_1$，也就算达成目的了。但我们怎么才能让解码部分的网络也能知道这一事实呢？好在此时的$h_t$与编码部分的隐含状态都处于同一个Embedding space，所以我们可以通过相似度对比来告诉解码网络：哪个编码时刻的隐含状态与当前解码时刻的隐含状态最为相似。这样，在解码当前时刻时，网络就能将“注意力”尽可能多的集中于对应编码时刻的隐含状态。
α t s = exp ⁡ ( s c o r e ( h t , h ˉ s ) ) ∑ s ′ = 1 S exp ⁡ ( s c o r e ( h t , h ˉ s ′ ) )                    [Attention weights] \begin{aligned} {\alpha _{ts}} = \frac{ {\exp (score({h_t},{ {\bar h}_s}))}}{ {\sum\nolimits_{s' = 1}^S {\exp (score({h_t},{ {\bar h}_{s'}}))}}}\;\;\;\;\;\;\;\;\;\text{[Attention weights]} \end{aligned} αts​=