序列模型（1）----简单介绍

一、为什么选择序列模型

（1）序列模型广泛应用于语音识别【多对多】，音乐生成【一对多】，情感分析【多对一】，DNA序列分析，机器翻译【多对多，个数不同】，视频行为识别，命名实体识别等众多领域。

（2）上面那些问题可以看成使用（x，y）作为训练集的监督学习，但是输入与输出的对应关系有非常多的组合，比如一对一，一对多，多对一，多对多，多对多（个数不同）等情况来针对不同的应用。

二、循环神经网络模型（RNN）

（1）模型结构

第一次输入会通过激活值影响下一个输入的预测，从而影响接下去的所有输入的预测，这就是循环神经网络。

（2）前向传播

• 数学式子如下所示：

将Waa和Wax合并在一起：

• 得到最终形式：

（3）时间反向传播【BP through time：RNN的反向传播】

• 一个元素的代价函数（一个0，1二分类问题，注意下面式子中应该是（1-y^<t>））：

• 每一个样本的代价函数：

（4）RNN存在的问题：梯度消失和梯度爆炸

梯度爆炸问题易解决：

一个解决方式就是梯度修剪。观察你的梯度向量，一旦发现超过某个阀值，就缩放梯度向量，保证他不会太大。比如通过一些最大值来修剪的方法。

梯度消失的问题：GRU可解决

假设有两个训练样本,句子的长度非常长：
The cat, with already ate…………, was full.
The cats, with already ate…………, where full.
第一个句子的was是依赖于cat, 第二个were是依赖于cats,但是这两个单词被隔得非常远，以至于后者的单词很难依赖于前者得到。

因为，与传统的深层神经网络类似，经过前向传播之后，反向传播中后面的y<t>误差很难通过梯度影响到前面层的计算，因此当RNN在计算后面的单词was还是were的时候，对前面出现过的cat或cats已经忘得差不多了。

也因此，其实每次的输出y<t>只能反向传播影响到前面附近的几层计算，也就是说，在训练时无论y<t>只能反向传播影响到前面附近的几层计算，也就是说，在训练时无论y^{}的预测是正确的还是错误的，或者说损失是大是小，都无法通过反向传播告诉很前面的层，并且对前面的层有效调整权重。

 

 三、语言模型【Language model 】

（1）语言模型：

1、是什么？

比如语音识别成文字中的两句话【读音一样】，选择正确的句子需用到语言模型：

采用语言模型识别两句话的概率，根据最大概率来选择正确的句子。

（2）怎么用RNN建立语言模型？

1. 利用语料库做训练集，然后对语料库进行标记化，【如每个句子结尾做结尾标记，没出现在预料库中的单词做未知标记，标点符号需不需要】，然后进行one-hot处理每个词。
2. 建立RNN

• 语言模型如下图所示，首先第一个输出是在无任何提示下输出各个词的概率，第二个输出是在给定第一个输出标签时各个词（10002个词）输出的概率，以此类推，每一个输出都是在给定条件下一个输出各个单词的概率。

• 训练网络时，上图中序号8和9分别代表了一个元素和一个样本的代价函数，代价函数使用的是交叉熵。

• 在使用网络时，现在有一个包含三个词（y^<1>，y^<2>，y^<3>）的句子，这时网络没有任何信息的条件下求是y^<1>的概率，然后计算在给定y^<1>条件下y^<2>的概率，最后在给定y^<1>，y^<2>条件下y^<3>的概率。最后可以确定，输出是这个句子的概率如下图所示，回到最初的两个句子，可以分别求两个句子的概率，取概率最大的句子即可：

  

 四、对新序列采样

基于词汇进行采样：

在训练完一个模型之后你想要知道模型学到了什么,一种非正式的方法就是进行一次新序列采样：一个序列模型模拟了任意特定单词序列的概率，对新序列采样即是对概率分布进行采样来生成一个新的单词序列。具体方法如下：

• 一、时刻t=1,输入初始化的x<1>=0,a<0>=0。
• 二、在每一步输出y^时，通过softmax 输出的一个词典大小的概率分布分布，对这个向量进行采样，随机采出一个词作为输出（非取最大概率），也就是对应的一个字或者英文单词。
• 三、将这个值作为下一个单元的x输入进去(即x<t>=y^<t−1>, 直到我们输出了终结符，或者输出长度超过了提前的预设值n才停止采样。.

（可能会采样出标识的字符,若是不想它出现，继续重新采样另一个词。）

上述步骤如下：

下图给出了采样之后得到的效果：

左边是对训练得到新闻信息模型进行采样得到的内容；

右边是莎士比亚模型采样得到的内容。

 

 基于字符的语言模型：每次的输入不是一个单词，而是一个字母。