文本生成seq2seq框架

1. 概述

Seq2Seq是Sequence to Sequence的缩写,作用是将一个序列(sequence)映射成另一个序列(sequence)。文献[1]和文献[2]分别提出利用深度神经网络DNN实现端到端的Seq2Seq学习,将Seq2Seq应用于神经机器翻译(Neural Machine Translation,NMT),唯一不同的是在[1]中使用LSTM作为基础网络,而在[2]中则是使用的是RNN。在Seq2Seq框架中包含了两个模块,一个是encoder模块,另一个是decoder模块。这种同时包含encoder和decoder的结构与AutoEncoder网络相似,不同的是AutoEncoder模型是将输入通过encoder的网络生成中间的结果,并通过decoder对中间的结果还原,AutoEncoder的模型结构如下图所示:

在这里插入图片描述 而在Seq2Seq中,相同的是两者都包含了Encoder和Decoder,不同的是,在Seq2Seq中,输入与输出并不是相同的,而在AutoEncoder中,输入与输出是相同的。

2. Seq2Seq框架

2.1. Seq2Seq框架的概述

Seq2Seq框架最初是在神经机器翻译(Neural Machine Translation,NMT)领域中提出,用于将一种语言(sequence)翻译成另一种语言(sequence)。由于在Seq2Seq结构中同时包含了encoder和decoder的结构,通常Seq2Seq又被称为Encoder-Decoder结构,Seq2Seq的结构如下图所示:

在这里插入图片描述

在Seq2Seq结构中,Encoder和Decoder分别是两个独立的神经网络模型,用于对不同的文本建模,通常对序列化文本建模的方法如LSTM[1],RNN[2]等。Encoder通过神经网络将原始的输入$\left \{ x_1,x_2,\cdots ,x_{T_x} \right \}$转换成固定长度的中间向量$\left \{ c_1,c_2,\cdots ,c_l \right \}$,Decoder将此中间向量作为输入,得到最终的输出$\left \{ y_1,y_2,\cdots ,y_{T_y} \right \}$。

对于机器翻译NMT问题,从概率的角度分析,即对于给定输入$\mathbf{x}=\left \{ x_1,x_2,\cdots ,x_{T_x} \right \}$,求目标输出$\mathbf{y}=\left \{ y_1,y_2,\cdots ,y_{T_y} \right \}$,使得条件概率$p\left ( \mathbf{y}\mid \mathbf{x} \right )$最大,即$argmax_{\mathbf{y}}\;p\left ( \mathbf{y}\mid \mathbf{x} \right )$。

2.1. Encoder

为了便于阐述,这里选取RNN[2](Recurrent Neural Network)作为Encoder和Decoder,一个典型的RNN结构如下图所示:

在这里插入图片描述

在RNN中,当前时刻$t$的隐含层状态$h_t$是由上一时刻$t-1$的隐含层状态$h_{t-1}$和当前时刻的输入$x_t$共同决定的,可由下式表示:

$$h_t=f\left ( h_{t-1},x_t \right )$$

假设在Seq2Seq框架中,输入序列为$\mathbf{x}=\left \{ x_1,x_2,\cdots ,x_{T_x} \right \}$,其中,$x_i\in \mathbb{R}^{K_x}$,输出序列为$\mathbf{y}=\left \{ y_1,y_2,\cdots ,y_{T_y} \right \}$,其中,$y_i\in \mathbb{R}^{K_y}$。在编码阶段,RNN通过学习到每个时刻的隐含层状态后,最终得到所有隐含层状态序列:

$$\left \{h_1,h_2,\cdots ,h_{T_x}\right \}$$

具体过程可由下图表示:

在这里插入图片描述

通过对这些隐藏层的状态进行汇总,得到上图中固定长度的语义编码向量$C$,如下式所示:

$$C=f\left ( h_1,h_2,\cdots ,h_{T_x} \right )$$

其中$f$表示某种映射函数。通常取最后的隐含层状态$h_{T_x}$作为语义编码向量$C$,即

$$C=f\left ( h_1,h_2,\cdots ,h_{T_x} \right )=h_{T_x}$$

2.2. Decoder

在解码阶段,在当前时刻$t$,根据在编码阶段得到的语义向量$c$和已经生成的输出序列$y_1,y_2,\cdots ,y_{t-1}$来预测当前的输出的$y_t$,其具体过程可由下图表示:

在这里插入图片描述

上述过程可以由下式表示:

$$y_t=argmax\; P\left ( y_t \right )=\prod_{t=1}^{T}p\left ( y_t\mid y_1,y_2,\cdots ,y_{t-1},c \right )$$

简化可得:

$$y_t=f\left ( y_t\mid y_1,y_2,\cdots ,y_{t-1},c \right )$$

其中$f$表示某种映射函数。在RNN中,上式可简化为:

$$y_t=f\left ( y_{t-1},s_{t-1},c \right )$$

其中$y_{t-1}$表示$t-1$时刻的输出,$s_{t-1}$表示Decoder中RNN在$t-1$时刻的神经元的隐含层的状态, $c$代表的是Encoder网络生成的语义向量。

3. Attention

上述的基于Encoder-Decoder的Seq2Seq框架成功应用在NMT任务中,但是在Encoder和Decoder之间的固定长度的语义向量$C$限制了Seq2Seq框架的性能。主要表现为固定长度的语义向量$C$可能无法完整表示整个序列的信息,尤其是对于较长的句子。为了解决长句子表示的问题,Bahdanau等人[3]在2016年在Seq2Seq框架中引入了Attention机制,同时将上述的Encoder阶段中的RNN替换成双向的RNN(BiRNN),即bidirectional recurrent neural network。

3.1. 带有Attention机制的Encoder

在[3]中的Encoder中,采用的是BiRNN,具体过程如下图所示:

在这里插入图片描述 对于BiRNN,其包含了两个阶段的RNN过程,分别为正向RNN和反向RNN,其中,正向RNN生成的隐含层状态序列为:

$$\left \{\overrightarrow{h_1},\overrightarrow{h_2},\cdots ,\overrightarrow{h_{T_x}}\right \}$$

反向RNN生成的隐含层状态序列为:

$$\left \{\overleftarrow{h_1},\overleftarrow{h_2},\cdots ,\overleftarrow{h_{T_x}}\right \}$$

对于$t$时刻的隐含层状态$h_t$通常是将正向和反向的隐含层状态concat在一起,即:

$$h_t=\left [ \overrightarrow{h_t^T};\overleftarrow{h_t^T} \right ]^T$$

3.2. 带有Attention机制的Decoder

与上述的Decoder一致,这里的Decoder也是一个标准的RNN,其过程可由下式表示:

$$y_t=f\left ( y_{t-1},s_{t-1},c_t \right )$$

注意到此处与上面不一样的是这里的Encoder网络生成的语义向量不再是固定的,而是变化的。对于第$i$个词的Decoder过程中,$c_t$为:

$$c_i=\sum_{j=1}^{T_x}\alpha _{ij}h_j$$

其中,$\alpha _{ij}$为归一化权重,其具体为:

$$\alpha _{ij}=\frac{exp\left ( e_{ij} \right )}{\sum_{k=1}^{T_x}exp\left ( e_{ik} \right )}$$

其中,$e_{ij}$表示的是第$i$个输出前一个隐藏层状态$s_{i-1}$与第$j$个输入隐层向量$h_j$之间的相关性,可以通过一个MLP神经网络进行计算,即:

$$e_{ij}=a\left ( s_{i-1},h_j \right )=v_a^Ttanh\left ( W_as_{i-1}+U_ah_j \right )$$

其具体过程可由下图表示: 在这里插入图片描述

这里的Attention机制对所有的编码器隐含层状态$h_j$都分配了权重,表示的是输出与编码器中每个隐含层状态的相关关系。

4. 总结

与原始的Encoder-Decoder模型相比,加入Attention机制后最大的区别就是原始的Encoder将所有输入信息都编码进一个固定长度的向量之中。而加入Attention后,Encoder将输入编码成一个向量的序列,在Decoder的时候,每一步都会选择性的从向量序列中挑选一个集合进行进一步处理。这样,在产生每一个输出的时候,都能够做到充分利用输入序列携带的信息。

参考文献

[1] Cho K, Merrienboer B V, Gulcehre C, et al. Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation[J]. Computer Science, 2014.

[2] Sutskever I, Vinyals O, Le Q V. Sequence to sequence learning with neural networks[C]//Advances in neural information processing systems. 2014: 3104-3112.

[3] Bahdanau D, Cho K, Bengio Y. Neural machine translation by jointly learning to align and translate[J]. arXiv preprint arXiv:1409.0473, 2014.

[4] 深度学习中的注意力机制