吴恩达深度学习 第五课 第三周 序列模型和注意力机制

Posted 2022-12-04

文章目录

• ​​基础模型概述​​
• ​​选择最可能的句子​​
• ​​集束搜索(beam search)​​

• ​​改进集束搜索​​
• ​​集束搜索的误差分析​​

• ​​机器翻译评估(bleu score)​​
• ​​注意力模型直观理解​​
• ​​语音识别​​

• ​​CTC算法​​
• ​​触发字检测(trigger word detection)​​

本文概要，seq2seq模型的学习包含了机器翻译和语音识别领域，此外，还有集束搜索算法(beam search)和注意力机制(attention model)

基础模型概述

当我们的输入和输出都是一个序列时，比如机器翻译，基础的一种模型是利用两个网络：编码网络(encoder network)和解码网络(decoder network)。
编码网络RNN接受原始出入并输出一个向量表达输入序列，之后解码网络接受编码网络的输出为输入，训练我们想要的输出结果，同时每次生成的输入都会传递到下一单元来预测输出。
类似的，如果我们的模型要给一张照片添加描述，可以输入一张照片，借用图片处理模型例如Alexnet输出一个包含图片特征的向量，出入到RNN中来生成图像的描述。

选择最可能的句子

seqseq机器翻译模型与语言模型十分相似的，区别在于输入处变为编码器输出的特征向量，而不是语言模型的零向量，因而我们称之为条件语言模型。

在机器翻译的结果选择上，我们没有使用贪心算法。第一点，首先我们没有使用在结果分布中随机抽取结果的方法，显然不和我们的初衷，我们想要一个最好的翻译结果而不是随机的–选取的y。第二点，在选取结果时我们没有选择贪心算法，以下图为例，贪心算法会选择每一步概率最大的结果，而由于is in等常用词明显概率更大，因为贪心算法会选择第二种翻译结果，这显然会将结果带偏，我们选择的集束搜索将在下面介绍。

集束搜索(beam search)

集束搜索首先会挑选出翻译结果的第一个单词，挑选的方式是选择三个或多个最可能的单词，这里选择的数量是一个超参数–集束宽(beam width)，接下来算法会针对三个词语选择第二个单词，这样我们获取了最可能的三个单词对，然后在第二个单词的基础上继续寻找第三个单词，直至输出句尾符号。这里我们采用的是三个网络副本，每个网络的第一个单词不同，所以不需要初始化网络副本。最后我们获取了三个翻译结果，选择概率最大的结果。

改进集束搜索

这里我们使用长度归一化来改进模型。我们的目的是极大化集束搜索的概率，而集束搜索的概率借助于极大似然估计可以转化为概率的乘积。而概率值都是小于1的，乘积会特别小，因为我们可以回选择取对数，log是一个增函数，因为不会影响每个翻译结果的概率大小的变化。

对于目标函数，我们还可以做一点优化，我们知道句子的长短会影响到概率，每当增加一个单词就会乘一个概率，因为模型会倾向于更少的单词来翻译，所以我们可以对目标函数再做一步归一化，即目标函数除以预测的单词数量，这样就减少了对长输出的惩罚。

在实践中，我们会给添加一个指数a，当a为1，相当于完全长度归一化；当a为0，则为没有完全归一化，当a介于0到1，则介于未归一化和完全归一化之间。

集束搜索的误差分析

我们知道，误差分析和束搜索算法是相互作用，当模型出现问题，我们怎么确定是RNN(编码网络和解码网络)出现问题还是集束搜索算法的问题呢？

我们假设标准的答案是，首先通过RNN网络计算标准答案的概率然后与之前的输出结果概率作比较，如下图，如果标准答案概率大于之前的结果概率，说明是集束搜索的问题；反之，如果标准答案概率小于之前的结果概率，则说明是RNN的责任更大。

机器翻译评估(bleu score)

机器翻译不像图像识别那样测量准确性就可以了，机器翻译通过blue得分，考虑的是一元词组、二元词组、三元词组等。

首先，考虑单词出现的准确度，如果一个单词出现在标准结果，那么就可能是合理，但这里我们要考虑一种特殊情况，如下，如果机器翻译的结果是7个the，准确度也为1，因而我们可以限定一个单词可以出现的最大次数，下图中我们知道the出现的最大次数为2，所以我们限定翻译结果the出现的最大次数为2，那么准确度就为

接下来考虑二元词组的，一是要考虑二元词组出现的次数，而是考虑不同的二元词组。

接下来我们定义一下最终的bleu得分，是n元数组的准确度，那么blue得分即为取平均值做指数运算，这里的BP包含了“简短惩罚”，事实上，机器翻译倾向于翻译较少的单词，这样可以提高准确度。所以这里BP是一个惩罚因子，惩罚输出过短的结果。

注意力模型直观理解

注意力模型分为两部分，一部分是特征提取(双层网络)，包含了注意力权重，二是生成网络RNN。特征提取会计算隐藏状态与生成网络状态的相关性，生成注意力权重，通过权重化的隐藏特征与RNN网络的单元状态结合生成下一单元的状态。

权重的表示方法，表示我们在生成网络的一个状态时应该在时花在a上的注意力的数量。

语音识别

CTC算法

语音输入比如10秒的语音，100赫兹，即每秒有100个样本，那么一共有1000个输入，输出可能没有这么多，因而CTC算法允许这样的输出"ttt___"，算法会将没有被下划线分割的重复的字符折叠起来，而下划线用来表示特殊的空白符与空格符不同。

触发字检测(trigger word detection)

一个可用的算法是，把声频片段计算出他的生谱图特征得到特征向量，然后放入RNN中，最后定义我们的目标标签y，当出现我们设定的比如"hi siri"，就把这个点的标签设为1，这种算法的问题在于构建了一个不平衡的数据集，0比1多太多了。

一种粗暴的方法是当出现目标值时，将附近的标签都设为1，增加正样本。

参考​​第三周 序列模型和注意力机制​​Coursera吴恩达《序列模型》课程笔记