论文阅读之Attention-based Conditioning Methods for External Knowledge Integration（2019）

摘要

在本文中，我们提出了一种将外部知识整合到循环神经网络 (RNN) 中的新方法。我们建议将词典特征集成到基于 RNN 的体系结构的自我注意机制中。这种对注意力分布的调节形式，加强了手头任务中最显着的词的贡献。我们介绍了三种方法，即注意力串联、基于特征的门控和仿射变换。在六个基准数据集上的实验表明了我们方法的有效性。基于注意特征的门控在任务之间产生一致的性能改进。我们的方法作为基于 RNN 的模型的简单附加模块实现，具有最小的计算开销，并且可以适应任何深度神经架构。

---

简单来说，文章尝试了三种方法，将外部只是成功融入并且提升了效果。

文章贡献

我们的贡献如下：
（1）我们提出了一种将外部知识整合到基于 RNN 的架构的替代方法。
（2）我们提出了我们提出的方法始终优于强基线的经验结果。
（3）我们报告了在两个数据集中的SOTA表现。我们公开了我们的源代码。

Proposed Model

Word Embedding Layer

词嵌入层。单词 w1, w2, …, wT 的输入序列被投影到低维向量空间 RW ，其中 W 是嵌入层的大小，T 是句子中单词的数量。我们使用预训练的词嵌入来初始化嵌入层的权重。

LSTM Layer

Self-Attention Layer

External Knowledge

在这项工作中，我们利用人类专家现有的语言和情感知识来增强我们的模型。具体来说，我们利用包含心理语言学、情感和情感注释的词典。我们通过连接表 1 中所示词典中的单词注释，为词汇表中的每个单词构建一个特征向量 c(wi)。对于缺失的单词，我们在 c(wi) 的相应维度中附加零。

Conditional Attention Mechanism

我们扩展了标准的自注意力机制（等式 1、2），以便根据每个单词的先验词汇信息来调节给定句子的注意力分布。为此，我们使用单词注释 hi 以及每个单词的词典特征 c(wi) 作为自我注意层的输入。因此，我们替换方程式中的 f(hi)。 1 与 f(hi, c(wi))。具体来说，我们探索了三种调节方法，如图 1 所示。

我们将条件函数称为 fi(.)，将权重矩阵称为 Wi，将偏差称为 bi，其中 i 是每种方法的指示性字母。我们在第 5 节（表 3）中展示了我们的结果，我们将三种调节方法表示为“conc。 ”、“门”和“仿射”。

---

这里值得注意，因为需要融入外部知识，因此上面提到的注意力机制的输入不再是 f(hi)而是f(hi, c(wi))，因为还需要外部知识的输入。

接下来就是重点，文章介绍的三种方法：

Attentional Concatenation

在这种方法中，如图 1(a) 所示，我们学习了每个单词注释 hi 与其词典特征 c(wi) 的串联函数。直觉是，通过为 hi 添加额外的维度，学习到的表征更具辨别力。具体来说： fc(hi, c(wi)) = tanh(Wc[hi k c(wi)] + bc) (3) 其中 k 表示级联操作，Wc, bc 是可学习的参数。

简单来说就是在词的embedding和词典信息的embedding进行concat作为注意力机制的输入。

Attentional Feature-based Gating

第二种方法，如图1（b）所示，学习应用于每个单词注释hi的特征掩码。具体而言，具有S形激活函数的门机制从每个值介于0和1之间的c（wi）生成掩码向量（图中的黑点和白点）。1（b））。直觉上，这种门控机制根据词汇信息选择hi的显著维度（即特征）。形式上：fg（hi，c（wi））=σ（Wgc（wi）+bg）hi（4）其中表示元素乘法，Wg、bg是可学习的参数。

Attentional Affine Transformation

第三种方法，如图1（c）所示，采用了Perez等人（2017）的工作，并将特征仿射变换应用于隐藏状态的潜在空间。具体而言，我们使用词典特征c（wi），以便有条件地生成相应的缩放γ（·）和移位β（·）向量。具体而言：fa（hi，c（wi））=γ（c（wi））？hi+β（c（wi））（5）γ（x）=Wγx+bγ，β（x）=Wβx+bβ（6），其中Wγ、Wβ、bγ、bβ是可学习的参数。

实验结果

最后看得出gate+emb.conc的效果是最好的。