循环神经网络（五） ——Bean搜索、bleu评分与注意力模型

循环神经网络（五）

——Bean搜索、bleu评分与注意力模型

（原创内容，转载请注明来源，谢谢）

一、概述

本文主要讲解机器翻译过程中涉及的算法，主要包括bean搜索算法及其改进与误差分析、bleu计算多种翻译得分、注意力模型及其实际应用等。

二、Bean搜索算法

1、概述

翻译，涉及到编码器与解码器，这个是之前RNN网络解决的问题。但是，存在多种翻译的情况，需要选择一种好的翻译结果。

另外，在图像识别翻译中，通过一张图片返回一句话，如下图，需要CNN网络的输出接入到RNN网络的输入。同样，RNN网络的输出还是有多种表达方式。

另外，语言模型和机器翻译，区别在于语言模型是一个没有输入，仅有网络内部自己的处理。而机器翻译，则带有输入和输出。语言模型有点类似机器翻译的编码器部分。

当一句话翻译成多个结果，需要选择较好的结果。这里不使用最优结果，即贪心搜索算法，主要有两点原因：

1）贪心算法需要每个词的下一个词都是最常用的词，但是这样整句话组起来未必是最通顺的句子，如下面的例子。

2）贪心算法的速度较慢。

2、Bean搜索

不同于贪心算法，bean的核心思想是：每次选择若干个相关性较大的单词作为候选项，依次进行计算概率。再这些概率最高的前几个选择中，再往后选择若干相关性最高的下一个单词。

因此，bean是一个求尽量好结果的算法，而不是求最严格好结果的算法。

算法步骤如下：

1）根据编码器的输入，计算第一个单词输出的概率

这里首先引入一个参数B，这个参数称为bean宽度，下面的例子B=3，即每次都选择相关性最大的前3个单词（而不是贪心算法的1个单词，也可以说B=1时bean算法就变成了贪心算法）。

这里选择出了三个单词，假设为in、jane、September。

2）针对第一步选出来的三个单词，逐个单词去选出可能性最大的3个接下来的单词。

这样一共会选择出9个单词，配对成词组后，由于B=3，因此再筛掉6个，留下三个词组，例如留下的是in September、jane is、jane visits。

这里可以看成，每一步都拷贝3个（B个）神经网络，用于找出B个最可能的结果。

重复上面的步骤，直到句尾，得出目标句。

3、bean优化一——长度归一化

由于计算单词的概率，每多一个单词，需要进行一次乘法。当句子太长，会乘出一个特别小的数字，造成数值下溢。

1）log代替乘法

用log代替乘法，可以解决数值下溢的问题。因为这里每个概率都小于1，而且都比较小，因此log的值都是负的一个比较大的数字。相乘后可以避免数值下溢。

2）均值计算代替最大化

无论是乘法计算最值还是log乘法计算最大值，都存在问题。

乘法时，由于概率都是小于1的，因此乘的越多值越小，因此结果会是一个趋向于短句的翻译；而log乘法时，则乘的越多值越大（绝对值），因此结果是一个趋向于长句的翻译。

因此，这里用乘法求和，并且除以计算的总数量，求得均值。通过比较均值可以得到一个较好的结果。

另外，均值未必是直接除以数量，而是带上一个参数α，如下图公式所示，这样可以控制均值归一化的力度。

4、bean优化二——B的选择

上面的例子是B=3，但实际上B要选多少合适？

当B越大，则每次考虑的较优结果越多，则会得到一个更好的结果；但是其问题是占用的存储更多，而且计算速度更慢。

B较小则有相反的问题，速度快内存少，但是结果不太好。

通常，趋向于10~100即可。

另外，bean搜索和广度优先搜索（BFS）、深度优先搜索（DFS）不同，不是求最优的结果，而是一个相对而言较好的结果。

5、bean误差分析

由于这里网络是用RNN的输出接入Bean，因此当模型不好的时候，需要判断是要调整RNN还是调整bean。

这里假设人的翻译是比较好的，结果是y*。机器翻译不那么好，结果是y^。

分别用现有的RNN网络计算A = p(y*|x) 以及 B = p(y^|x)，比较A和B。A>B则是Bean的问题，A<B则是RNN的问题，解释如下：

当A>=B，表示RNN计算人工翻译的结果好于机器翻译的结果，这个比较符合常理，则RNN网络本身没问题，但由于系统有问题，则表明是Bean的问题。反之A<B，说明用现有的RNN网络计算，人工翻译的结果还不如机器翻译的结果（这里假设人工翻译比较好），则不符合常理，说明是RNN的问题。

有多个句子时，可以逐个句子列表，看哪个问题比较大。

三、Bleu评分

1、概述

翻译的结果，可能存在多种，且都是正确的翻译，此时可以引入一个单一评价机制，来选择最优的翻译结果，因此引入了Bleu评分。

2、精度法及其改进

不太好的方法，是精度法，即比较正确的翻译结果，与及其翻译的结果，出现的共同单词的数量，与机器翻译本身单词的数量的比。

这个没考虑到词序，且单词出现一次也是相同的，极端情况下如下图所示，精度达到100%，但是是一个无效的翻译。因此这个方法不好。

可以进行改进，限定同样单词出现的次数，例如the在正确的句子中出现2次，则限定这里最多用2，得到一个结果。

由于这两个比较方式都没有考虑到词序，因此并不是好的评价机制。

3、Bigrams

Bigrams即两个相邻的单词同时和正确结果匹配的次数，比上翻译结果整句话中两两词组的个数。

由于需要两个词完全相等，则考虑到了词序的因素。下面的例子是计算的结果。

具体公式，是推广到所有的单词同时出现的次数。都可以计算概率。

要计算这些概率的总和，可以使用下面combined bleu score的公式。这里引入了一个参数BP，称为简短惩罚，是为了进行纠正机器翻译的结果太短的问题。

当翻译的结果比正确结果长，则BP=1；反之，则为下面的公式。这样可以避免翻译结果太短。

Bleu主要是提供了单一评估指标，以评判多个翻译的结果。有许多开源的库可以使用。

四、注意力模型

1、现有问题

当一个非常长的句子出现，则翻译的时候，机器一次性输入了一大段的文字，再一次性处理结果。这样的话处理结果不好，前面的词语的内容被弱化了。

研究表明，太长的句子，如果不用注意力模型，则随着词语的增多，bleu的评分结果会逐渐降低。而使用注意力模型，则可以保持在一个较高的值。

思想：考虑到人工翻译，如果特别长的句子，也是一小部分一小部分的翻译，而不会一次性读完整句话去翻译。注意力模型就是模拟人工翻译长句的过程。

2、模型

注意力模型，实质上是双向RNN，再加上一个单向的RNN网络。双向RNN每个x对应的输出a，经过一个处理因子c，其再反馈到上层的单向RNN网络，进行翻译处理。

处理因子c，起到的作用，即控制当前字符的翻译，需要考虑到前后字符的数量。

C的计算公式如下，表示注意力集中在前后若干个单词之间。每一个α取决于上一个S以及本层的a。

这里为了便于表达，把双向RNN的两个方向的a，整合成一个a来表示。

本层的a，加上上一层的s，共同作为输入，经过一个神经网络，得到结果成为e，这里就是利用这个e进行RNN传输计算。

3、注意力模型应用一——语音辨识

语音辨识，即通过一段话，来得到说话的内容。这里可以用注意力模型，得到说话发音的每个字母，再进行组合。

也可以通过一种叫做CTC的方式，即通过频率，每秒n次的输出。则这种输出可能会存在重复输出的情况，根据这个输出再进行进一步的处理，如下图所示：

4、注意力模型应用二——触发字控制系统

类似苹果的hi siri，通过一些关键词，得到结果，并且进行后续的处理。

五、总结

经过2个月的学习，终于学完这一轮网易微专业的深度学习，其中各种原因导致学习进度比预计慢了1个月。但是这里还是学完了，感觉对深度学习有了一个总体的了解，以及对各种各样的神经网络的处理优势有了大体的了解。

接下来准备先把tf框架学会，然后看看找一些实战的内容做一下，然后可能会再找一些视频课程学习。大家有好的内容也欢迎推荐~

——written by linhxx 2018.03.30