引言

        从本系列博客开始，我们将来一起学习一下NLP领域的相关基础知识，NLP领域重要的模型是RNN，在此之前，先来了解一些符号的含义。

1.符号定义

---

（1）符号定义

        假设建立一个能够自动识别句中人名位置的序列模型，它的输入序列是这样的：“Harry Potter and Herminoe Granger invented a new spell.”，(这些人名都是出自于J.K.Rowling笔下的系列小说Harry Potter)。输出y，使得输入的每个单词都对应一个输出值，同时这个能够表明输入的单词是否是人名的一部分。

        注：这是一个命名实体识别问题，常用于搜索引擎，比如说索引过去24小时内所有新闻报道提及的人名，用这种方式就能够恰当地进行索引。命名实体识别系统可以用来查找不同类型的文本中的人名、公司名、时间、地点、国家名和货币名等等。

        符号定义如下：

        注意：在这个例子中Tx=Ty，但是在其他案例中不一定相等。

（2）序列表示

        序列表示主要是对每个单词进行编码，从而得到序列的编码，我们采用one-hot编码方式。

        Step1：定义词典；

        Step2：索引每个单词在词典的位置；

        Step3：编码单词，在编码向量中，向量中下标等于单词在词典中的位置的元素定义为1，其他下标的元素定义为0；

        Step4：循环Step2-Step3，得到序列中所有单词的编码向量。

        举个例子，如下为输入序列，假设词典有10000个单词，如下所示：

        而Harry在词典中4075下标，因此该单词编码表示4075下标的位置为1，其他为0，得到编码向量，也称为独热向量。序列中其他位置的单词依次得到的内容如上。

        注意：如果遇到了一个不在词表中的单词，那么就是创建一个新的标记，也就是一个叫做Unknow Word的伪造单词，用<UNK>作为标记，来表示不在词表中的单词，我们之后会讨论更多有关这个的内容。

2.循环神经网络模型

---

（1）标准神经网络的缺点

        可以用标准神经网络学习序列模型，但是效果并不好，原因如下：

        一、输入和输出数据在不同例子中长度不一定相同，不是所有的例子都有着同样输入长度或输出长度。即使每个句子都有最大长度，也许可以填充（padding）使每个输入语句都达到最大长度，但并不是一个好的表达方式。

        二、网络结构并不共享从文本的不同位置上学到的特征。比如，神经网络已经学习到了在位置1出现的Harry可能是人名的一部分，那么如果Harry出现在其他位置，我们也希望能够自动识别其为人名的一部分的话。这就类似卷积网络，垂直卷积可以在图片中不同位置学习到相同的垂直特征，但普通的网络就不行。

        三、假设词典是10000词，则编码向量是10,000维的one-hot向量，因此这会是十分庞大的输入层。如果总的输入大小是最大单词数乘以10,000，那么第一层的权重矩阵就会有着巨量的参数。但循环神经网络就没有上述问题。

（2）循环神经网络

        上图即为一个循环神经网络的结构图，假设我们进行人名识别任务，即识别句子中的词是否是人名的一部分。任务流程为在第一个时间步，我们把第一个词x1输入到第一层，第一层预测出y1；在第二个时间步，我们把第二个词x2输入到第二层，同时第二层接受来自时间步1的信息，即第一层输出的激活值，结合这两部分，第二层预测出y2；持续这种模式输入，到最后一个时间步，输入x<Tx>和上一个时间步的激活值，预测出y<Ty>。所以在每一个时间步中，循环神经网络传递一个激活值到下一个时间步中用于计算，这就是RNN的核心思想。至于第一层接受的激活值a0，通常需要在0时刻构造一个。

        注意：观察上图两个句子，在识别Teddy这个词的时候，Teddy Roosevelt是泰迪罗斯福，而Teddy bears是泰迪熊，根据RNN的结构，Teddy的识别过程只能接受来自前一个时间步的激活值，也就是网络只能学习到Teddy及以前的句子信息，而以后的句子内容无法学习，也就难以识别Teddy究竟是不是人名的一部分。要解决这个问题，我们需要用到双向循环神经网络BRNN，这里先不阐述。

        上图所示即为RNN的前向传播流程图，在第一层中，接受a0激活值和第一个词向量x1，公式如下：

        其中g1()=tanh()，g2()=softmax()，权重矩阵有下标aa、ax和ya，第一位表示计算数据类型，比如a表示计算数据类型为a类型，即激活值，y表示计算数据类型为y类型，即输出值。第二位表示参与运算的数据类型，比如aa表示计算激活值a时权重矩阵需要和上一时间步的激活值a进行运算，ax表示计算激活值a时权重矩阵需要和词向量x进行运算。

        更一般的有：

        为了更加简洁的描述问题和公式，我们做如下公式记号：

        上面两个式子中，下式[]和权重矩阵部分的乘积表示为上式。

        把两个权重矩阵合并为一个表示，如上式所示。

        上面这两个式子，将上式用下式代替。有了上述符号简化，我们可以改写前向传播的公式：

        同理，下式也可以改写：

3.通过时间的反向传播

---

        当前向传播的流程结束后，需要计算损失，然后进行反向传播，由于RNN的反向传播和时间步有关（每一层均是一个时间步的计算流程），因此反向传播更像通过时光机穿越到过去进行计算，于是RNN的反向传播又叫通过时间反向传播。下面让我来看看具体的流程：

        首先定义模型的损失函数，模型的损失函数为交叉熵损失函数：

        需要把每一时间步的损失都计算出来，最后加在一起得到总损失L。而反向传播的流程如下：

        红色箭头所示的方向即为反向传播的方向，通过下图导数的相关参数，按照反向传播的方向传递参数信息，即可进行梯度的计算。

        如图上所示，列了一些梯度计算的有关公式，这是一个时间步（一层）的梯度计算。当然目前所讨论的RNN基于输入序列的长度和输出序列的长度一致，下面介绍一些其他RNN的结构。

4.不同类型的循环神经网络

---

        目前常见的RNN结构有4种：一对一、一对多、多对一、多对多，除去注意力机制，多对多结构也分为两种（编号4和编号5）。下面我来一一举例说明这些结构的应用：

        一对一（编号1）：这个并不重要，给定输入x，输出y，如果去掉初始激活值a0，这就是标准的神经网络。

        一对多（编号2）：音乐生成，比如给定想要生成的音乐风格（可能是一个整数），然后每一层依次输出一些值并把值输入给下层进行合并，最终输出一个曲子，可以理解为每一层生成一个音符，但是音符又不能独立，下一层输出的音符要依靠上一层的音符从而确保曲子的连贯性。

        多对一（编号3）：类似评价类或者情感分类问题，给定一段文本，要求输出一个评价或者语句的情感。比如“These is nothing to like in this movie.”（“这部电影没什么还看的。”），所以输入x就是一个序列，而输出y可能是从1到5的一个数字（代表电影是1星，2星，3星，4星还是5星），或者是0或1（这代表正面评价和负面评价）。

        多对多（编号4）：这个例子就是上文提到的人名识别任务案例，对于输入序列的每一个词都需要输出是否是人名的一部分。

        多对多（编号5）：机器翻译，输入序列和输出序列长度不一致。比如输入英语，翻译成汉语，那么每个词依次输入到网络中，输入部分构成编码器（x输入的结构）。而网络读取所有的词后，解码器（y输出的结构）依次输出要求翻译的结果。