【NLP】Attention函数手册！

作者：一元，四品炼丹师

前言

目前的诸多机器学习相关的问题，诸如推荐问题中的序列处理，时间序列的预测，文本分类等问题都会涉及到Attention函数的使用，Attention已经成为了这些问题在建模时的最为核心的模块。

而我们在实践的过程中发现，attention计算方式的不同对于不同的问题会有些许影响,有的时候影响还很大，所以在本文我们看看有哪些常用的attention函数。

权重函数

我们用Q,K,V分别表示Query，Key和Value。

我们将权重函数分为两个模块函数以及函数。

1.A(Q,K)计算方式

1.Concat策略

其中，表示连接的意思，该策略简单，在一些博客中说此类策略在大数据问题中效果较好,该计算方式来源于论文《NEURAL MACHINE TRANSLATION BY JOINTLY LEARNING TO ALIGN AND TRANSLATE》

2.Minus

3.Add

4.Dot Product

Dot Product的形式最为简单，很多时候我们也经常会使用该函数作为Baseline，但是它的问题也很明显，虽然降低了模型计算复杂度，但是有时会因为相乘得到过大的值影响模型的效果。

5.Bilinear Dot

Bilinear Dot可以认为是Dot Product的扩展形式，有些情况下，Bilinear Dot的效果和Dot Product稍微好一些。

6.Scaled-dot Product

其中是特征的维度。

7.Content-Based

使用cosine距离替代了直接相乘，该计算方式来源于论文《Neural Turing Machines》。

8.扩展

从上面的诸多计算中，我们发现就像是在计算之间的距离，所以很多基于距离的函数都是可以套过来尝试一下的，下面是一些距离的列表，有兴趣的朋友可以比较一下。

2.f()计算

目前最常使用的计算方式主要有下面两种。

1.softmax函数

softmax函数是使用最多的函数也是最为常见的函数，在实践中往往也可以取得不错的效果。

2.TopN softmax

同样地，也是先使用softmax函数进行计算，然后取softmax最大的N个值进行保留，将其它的值全部设置为0，该方法曾经出现在一些推荐相关的问题建模中，可以取得非常不错的效果。

参考文献

1. Attention基本公式及其变种
2. Attention? Attention!
3. [机器学习]常用距离定义与计算