LSTM/RNN中的Attention机制

一、解决的问题

采用传统编码器-解码器结构的LSTM/RNN模型存在一个问题，不论输入长短都将其编码成一个固定长度的向量表示，这使模型对于长输入序列的学习效果很差（解码效果很差）。

• 注意下图中，a_x 和 a_xx 部分。

• 公式如下
• 

科普：

http://www.jeyzhang.com/understand-attention-in-rnn.html

一文读懂Attention: https://mp.weixin.qq.com/s/0SWcAAiuN3BYtStDZXyAXg

 

二、基于Keras代码：

Attention Layer: https://gist.github.com/cbaziotis/6428df359af27d58078ca5ed9792bd6d

 

Github讨论

How to add Attention on top of a Recurrent Layer (Text Classification) #4962

可视化Attention权重：https://github.com/philipperemy/keras-attention-mechanism

三、应用

Text Classification,  - Hierarchical attention network