基于Attention机制的深度学习模型在文本分类中的应用

Attention机制在2016年被大量应用在nlp中，这里简单介绍Attention在AS任务上的应用。在对AS任务建模时，采用问题和答案对的形式建模，因此可以根据问题和答案的关系设计Attention机制。而文本分类任务中则稍有不同，文本分类建模方式为问题和标签。因此Attention机制的设计一般被应用于时序模型中，通过时序状态设计Attention。

本文参考《Hierarchical Attention Networks for Document Classification》，该论文介绍了Attention机制在英文文本分类中的应用。本文采用document级分类，即document由sentence组成，而sentence由word组成，因此天然的具有层级关系。以word为粒度输入网络抽取word级特征得到表示sentence的特征向量；然后将sentence级向量输入网络抽取sentence级特征得到最终的document级特征，然后将document特征通过一个线性表示和softmax。为了给与不同的word和不同的sentence分配不同的权重，论文设计一个层级架构的attention机制用于提升模型的性能。

Hierarchical Attention Network

本文借鉴论文中设计Attention的方式，设计了基于单字的Attention模型。

本文Attention网络结构

实验步骤

1：本次实验采用单句问题和对应的标签作为输入。实验之前首先对问题按字切词，然后采用word2vec对问题进行预训练（这里采用按字切词的方式避免的切词的麻烦，并且同样能获得较高的准确率）。

2：由于本次实验采用固定长度的GRU/LSTM，因此需要对问题和答案进行截断（过长）或补充（过短）。

3：实验建模Input。本次实验单句问题和标签进行建模（q，l），q代表问题，l代表标签。

4：将问题进行Embedding（batch_size, seq_len, embedding_size）表示。

5：对问题采用GRU/LSTM模型计算特征（seq_len, batch_size, rnn_size）。

6：GRU/LSTM模型输出向量为（batch_size, seq_len，rnn_size），因此需要对输出特征向量进行特征抽取。常用的特征抽取方式为取模型最后一步的输出为下一层的特征，但是该特征抽取方式只取了最后一步的特征，丢弃了其他的特征信息，所以本次实验采用Attention机制计算每一步特征的权值，然后进行加权平均。

7：对模型输出的特征进行线性变换。

8：针对多类文本分类，需要将线性变换的输出通过softmax

参数设置

1:、这里优化函数采用论文中使用的Adam（尝试过SGD，学习速率0.1，效果不佳）。

2、学习速率为1e-4。

3:、训练100轮。

4、embedding_size为150维。

5、attention为100维。

6、batch_size这里采用128。

7、问题长度限制为80字。

8、rnn_size为201。

9、模型采用单层网络，多层网络速度相对更慢，性能没有明显的提升。

10、dropout为0.5（在输入和输出时均执行dropout，单次dropout实验时效果不佳）

实验效果对比

BIGRU ：93%

BILSTM ：91.43%

BIGRU_ATTENTION ：95.4%

BILSTM_ATTENTION ：96.2%

实验总结：本次实验语料为5W，根据结果分析GRU稍胜LSTM，这也证明了前面博客的观点（在语料数量相对较少时，GRU可能会获得更优的性能）。将Attention机制应用在GRU和LSTM上，都取得了较好的性能提升，基于Attention的LSTM模型性能稍胜GRU模型。

附录

words.txt

train.txt

cateAndQuest.txt

vectors.txt

由于部分朋友评论不知道文件格式，因此这里举例列出各个文件的格式。words.txt和train.txt都是空格分开，cateAndQuest.txt是tab键分开，vectors.txt一行是一个词向量，和words.txt一一对应。