Inroduction

本文是ACL 2017的一篇文章，用更细粒度的gated-attention对背景文章和问题进行计算。作者是CMU的Graduate Research Assistant: Bhuwan Dhingra。文章的相关工作部分总结的很好，代码实现可以参考[GitHub]。

Background

本文针对的是MRC任务中的Cloze-Style类型，翻译过来是叫完形填空，但是与英语考试不同，这里是指只用一个单词来回答的阅读理解。

我们可以把问题描述为一个三元组(d,q,a)：

d是指背景文章document
q是指完形填空的问题query
a是指问题的答案answer

答案是来自构建好的词汇表中的一个词，也就是token。总结一下就是，根据文档-问题对(d,q)，从词汇表中找到最合适的词项作为答案a。

Motivation

作者发现，之前的MRC神经网络模型有一个问题——模型会对原文中的某个部分的注意力特别大，以至于对整篇文章的理解不够完整。并且之前的工作把query attention应用到token(Hermann et al., 2015; Chen et al., 2016)和sentence(Weston et al., 2015)两个层次上，本文希望用更细粒度的attention计算方式，获取document和query更多的语义信息。

Contribution

用Bi-GRU获取document和query每一个词项的信息，两部分词项之间两两做元素相乘，这样的操作做K次，到第K层的时候，document的词向量与query的词向量做内积运算，得到最终的向量表示，然后过soft Max层得到词项的概率分布，选document中概率最大的词项作为answer输出。

Model

Overview

输入：document和query分词后的tokens序列

输出：概率最大的answer

Lookup layer

输入：tokens

输出：tokens的向量表示

运算关系：这里就是一个Lookup Table，用全连接训练词向量

Bi-GRU

输入：$X^1$

输出：

Document每个词项过Bi-GRU后每个隐藏层状态 E
Query每个词项过Bi-GRU后每个隐藏层状态串起来 q

运算关系：见Bi-GRU结构，不详细介绍。

Gated-Attention

输入：$E^1$，$q^1$

输出：下一层的输入$X^2$

运算关系：$X^2 = E^1 \odot q^1$

K-th layer & soft Max

输入：$E^K$， $q^K$

输出：document中tokens的概率分布$s^K$

运算关系：求soft Max.

得到概率最大的answer最为最终的输出。

Experiment

Datasets

训练集用的CNN/Daily Mail 和 who did what，详情如下：

Results

在CNN/Daily Mail上，效果比BiDAF提升了一个多点，细粒度的gated-attention取得了一些效果，但是在who did what数据集上并未有多大提升。

Analysis

实验部分给出了一些可视化的attention结果：

图中高亮的部分是背景文章针对问题时的最后一层注意力所关注的tokens。

Conclusion

本文提出的Gated Attention用更细粒度的attention计算获得answer的定位，收获了一定的效果，并且使用Multi-Hop的结构，带着问题重读文章K次，增量式地重新得到tokens的表示，可以进一步帮助锁定答案。但是可以看出，在CNN/Daily Mail比在who did what数据集上提升的多，这就跟数据集本身有关了。所有的模型也都是建立在数据集的特点上的，仔细研读数据，研究其语言学的特征也是很重要的一个环节。