上一章我們?cè)敿?xì)介紹了小樣本做文本分類中的膠囊網(wǎng)絡(luò)，那么這一章我們就來看看RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）。大神們準(zhǔn)備好了嗎，我們要發(fā)車了～

首先就是我們?yōu)槭裁葱枰猂NN？

舉個(gè)簡單的例子，最近娛樂圈頂流明星吳亦凡又出新瓜，大家都吃了咩？（反正小編吃的很飽哈）那么就以我 吃 瓜為例，三個(gè)單詞標(biāo)注詞性為 我/nn 吃/v 瓜/nn。

那么這個(gè)任務(wù)的輸入就是：

我 吃 瓜 （已經(jīng)分詞好的句子）

這個(gè)任務(wù)的輸出是：

我/nn 吃/v 瓜/nn(詞性標(biāo)注好的句子)

很明顯，一個(gè)句子中，前一個(gè)單詞其實(shí)對(duì)于當(dāng)前單詞的詞性預(yù)測(cè)是有很大影響的，比如預(yù)測(cè)“瓜”的時(shí)候，由于前面的吃是一個(gè)動(dòng)詞，那么很顯然“瓜”作為名詞的概率就會(huì)遠(yuǎn)大于動(dòng)詞的概率，因?yàn)閯?dòng)詞后面接名詞很常見，而動(dòng)詞后面接動(dòng)詞很少見。

所以為了更好的處理序列的信息，解決一些這樣類似的問題，我們的RNN就誕生了。

rnn的結(jié)構(gòu)和原理

看完初步的概念我們來深入一點(diǎn)看看RNN的結(jié)構(gòu)和原理。rnn的結(jié)構(gòu)和原理

剛開始看到這幅圖的同學(xué)會(huì)不會(huì)有一點(diǎn)懵懵？沒關(guān)系，我們來帶著解釋一遍～

首先通過這副圖，就能明白R(shí)NN的意義就是每個(gè)輸出的狀態(tài)都只由前一時(shí)刻的狀態(tài)和當(dāng)前時(shí)刻的輸入來決定。從等式左邊的一個(gè)環(huán)繞箭頭就能明白參數(shù)是共享的。

一個(gè)序列的每個(gè)詞就是每個(gè)時(shí)間步，每個(gè)詞都會(huì)對(duì)應(yīng)得到一個(gè)hidden_state，并將這個(gè)隱藏層狀態(tài)輸入下一個(gè)時(shí)間步。

最終會(huì)得到output和hidden，output是每一步運(yùn)算的輸出，因此output=(seqence_len, batch_size, hidden_size)。hidden_state是每一步的輸出，當(dāng)然有參數(shù)來控制可以取最后一步的輸出，所以RNN中一般output=hidden。

lstm的結(jié)構(gòu)和原理

聊完一圈RNN之后，我們來看看它的變種兄弟-LSTM吧！

別慌，我說的不是變種成僵尸的那種東東，Lstm為長短期記憶，是在RNN的基礎(chǔ)上引入了細(xì)胞狀態(tài),根據(jù)細(xì)胞狀態(tài)可決定哪些狀態(tài)應(yīng)該保留下來,哪些狀態(tài)應(yīng)該被遺忘，可以在一定程度上解決梯度消失問題。

那么為了能夠?qū)W習(xí)序列關(guān)系的長期依賴，Lstm的輸出和rnn一樣都包含output和hidden，除此之外還有一個(gè)cell_state，這個(gè)就是學(xué)習(xí)序列信息lstm與rnn的差異。

在lstm里面理解的就是用“門”結(jié)構(gòu)，來選擇信息通過，關(guān)鍵是用了$sigmoid(\cdot)$函數(shù)來區(qū)分趨于0的和趨于1的特征數(shù)據(jù)。

遺忘門：通過$f_t=\sigma(W_f \cdot[h_{t-1},x_t] + b_f)$ 來判斷隱藏層信息的取舍。

輸入門：

通過$\tanh(\cdot)$，來將隱藏層狀態(tài)映射到（-1，1）最后來更新$C_{t-1}$ 到$C_t $

輸出門：

會(huì)發(fā)現(xiàn)$f_t、i_t、o_t$的構(gòu)成是一致的。但是通過不同的權(quán)重來學(xué)習(xí)。因此優(yōu)化lstm是將遺忘門和輸入門合并成了一個(gè)更新門，這就是GRU：

可以理解為主要分為兩部分，第一部分：

$z_t$表示更新向量，$r_t$表示重置向量，于是在接下來就能夠考慮$r_t$與$h_{t-1}$的相關(guān)性來去對(duì)部分?jǐn)?shù)據(jù)進(jìn)行重置，也就相當(dāng)于舍棄。實(shí)現(xiàn)遺忘門的效果。

第二部分：

很好理解，就可以通過篩選得到的有效的隱藏層信息$\tilde{h}t$和更新向量來獲取最終的輸出結(jié)果$(1-z_t) * h{t-1}$表示對(duì)當(dāng)前一時(shí)刻隱藏層狀態(tài)選擇性“遺忘”。$z_t * \tilde{h}_t$就表示對(duì)當(dāng)前序列信息的“記憶”。

sequence-to-sequence的結(jié)構(gòu)和原理

也叫做Encoder-Decoder結(jié)構(gòu)，在encoder和decoder中也都是用序列模型，就是將數(shù)據(jù)先encode成一個(gè)上下文向量context vector，這個(gè)context vector可以是1）最后一個(gè)隱藏層狀態(tài)，2）可以是完整的隱藏層輸出，3）也可以是對(duì)隱藏層輸出做激活或者線性變換之后的輸出。

之后在decoder中，將context vector作為前一時(shí)刻初始化的狀態(tài)輸入從而將語義按監(jiān)督信息的需要解碼。或者將context vector作為decoder每一個(gè)時(shí)間步的輸入。因此會(huì)發(fā)現(xiàn)seq2seq并不限制輸入和輸出的序列長度，這就表示應(yīng)用范圍可以很廣。

Attention

會(huì)發(fā)現(xiàn)context vector并不能夠包含長句的所有信息，或者說會(huì)造成信息的丟失，因此attention機(jī)制就是能夠向decoder的每一個(gè)時(shí)間步輸入不同的文本信息，提升語義的理解能力。

因?yàn)閘stm會(huì)得到完整的包含每一個(gè)時(shí)間步的輸出得到的ouput和hidden，因此$h_i$和$C_j$的相關(guān)性就能夠表示在decode第$j$步序列時(shí)最關(guān)心的文本是那一步的 $h_i $，用 $\alpha_{ij}$來表示。

每一個(gè)encoder的hidden單元和每一個(gè)decoder的hidden單元做點(diǎn)乘，得到每兩個(gè)單元之間的相關(guān)性，在lstm/rnn之后用attention就是計(jì)算hidden和ouput的每個(gè)單元之間的相關(guān)性，然后做一步$softmax$得到encoder的hidden或者說是lstm的hidden每個(gè)單元的attention weights。因此：Attention 無非就是這三個(gè)公式：

從常規(guī)的（Q，K，V）的角度來理解，可以如圖所示：

在Attention中$Q$和$K$分別是hidden和output，同樣的$V$也是ouput，在self-attention中Q=K=V，并且$\sqrt{d_k}$有些情況下是不會(huì)加在attention過程中的。

編輯：jq