自然语言处理(NLP)学习笔记——RNN模型

自然语言处理(NLP)学习笔记——RNN模型了解什么是RNN模型.了解RNN模型的作用.了解RNN模型的分类._rnn模型

一、RNN架构解析

1、认识RNN模型

1.1、什么是RNN模型

RNN(Recurrent Neural Network), 中文称作循环神经网络, 它一般以序列数据为输入, 通过网络内部的结构设计有效捕捉序列之间的关系特征, 一般也是以序列形式进行输出.

一般单层神经网络结构:

自然语言处理(NLP)学习笔记——RNN模型

RNN单层网络结构:

自然语言处理(NLP)学习笔记——RNN模型

以时间步对RNN进行展开后的单层网络结构:

自然语言处理(NLP)学习笔记——RNN模型

RNN的循环机制使模型隐层上一时间步产生的结果, 能够作为当下时间步输入的一部分(当下时间步的输入除了正常的输入外还包括上一步的隐层输出)对当下时间步的输出产生影响.

 1.2、RNN模型的作用

因为RNN结构能够很好利用序列之间的关系, 因此针对自然界具有连续性的输入序列, 如人类的语言, 语音等进行很好的处理, 广泛应用于NLP领域的各项任务, 如文本分类, 情感分析, 意图识别, 机器翻译等.


下面我们将以一个用户意图识别的例子进行简单的分析:

自然语言处理(NLP)学习笔记——RNN模型

  • 第一步: 用户输入了”What time is it ?”, 我们首先需要对它进行基本的分词, 因为RNN是按照顺序工作的, 每次只接收一个单词进行处理.

自然语言处理(NLP)学习笔记——RNN模型

  • 第二步: 首先将单词”What”输送给RNN, 它将产生一个输出O1.

自然语言处理(NLP)学习笔记——RNN模型

  • 第三步: 继续将单词”time”输送给RNN, 但此时RNN不仅仅利用”time”来产生输出O2, 还会使用来自上一层隐层输出O1作为输入信息.

自然语言处理(NLP)学习笔记——RNN模型

  • 第四步: 重复这样的步骤, 直到处理完所有的单词.

自然语言处理(NLP)学习笔记——RNN模型

  • 第五步: 最后,将最终的隐层输出O5进行处理来解析用户意图.

自然语言处理(NLP)学习笔记——RNN模型


1.3、RNN模型的分类

这里我们将从两个角度对RNN模型进行分类. 第一个角度是输入和输出的结构, 第二个角度是RNN的内部构造.

按照输入和输出的结构进行分类:

  • N vs N – RNN
  • N vs 1 – RNN
  • 1 vs N – RNN
  • N vs M – RNN

按照RNN的内部构造进行分类:

  • 传统RNN
  • LSTM
  • Bi-LSTM
  • GRU
  • Bi-GRU

N vs N – RNN:

它是RNN最基础的结构形式, 最大的特点就是: 输入和输出序列是等长的. 由于这个限制的存在, 使其适用范围比较小, 可用于生成等长度的合辙诗句.

自然语言处理(NLP)学习笔记——RNN模型


N vs 1 – RNN :

有时候我们要处理的问题输入是一个序列,而要求输出是一个单独的值而不是序列,应该怎样建模呢?我们只要在最后一个隐层输出h上进行线性变换就可以了,大部分情况下,为了更好的明确结果, 还要使用sigmoid或者softmax进行处理. 这种结构经常被应用在文本分类问题上.

自然语言处理(NLP)学习笔记——RNN模型


1 vs N – RNN :

如果输入不是序列而输出为序列的情况怎么处理呢?我们最常采用的一种方式就是使该输入作用于每次的输出之上. 这种结构可用于将图片生成文字任务等.

自然语言处理(NLP)学习笔记——RNN模型


N vs M – RNN: 

这是一种不限输入输出长度的RNN结构, 它由编码器和解码器两部分组成, 两者的内部结构都是某类RNN, 它也被称为seq2seq架构. 输入数据首先通过编码器, 最终输出一个隐含变量c, 之后最常用的做法是使用这个隐含变量c作用在解码器进行解码的每一步上, 以保证输入信息被有效利用.

自然语言处理(NLP)学习笔记——RNN模型

seq2seq架构最早被提出应用于机器翻译, 因为其输入输出不受限制,如今也是应用最广的RNN模型结构. 在机器翻译, 阅读理解, 文本摘要等众多领域都进行了非常多的应用实践.


2、传统RNN模型

2.1、传统RNN的内部结构图

自然语言处理(NLP)学习笔记——RNN模型

结构解释图 :

自然语言处理(NLP)学习笔记——RNN模型

内部结构分析:

我们把目光集中在中间的方块部分, 它的输入有两部分, 分别是h(t-1)以及x(t), 代表上一时间步的隐层

今天的文章自然语言处理(NLP)学习笔记——RNN模型分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:http://bianchenghao.cn/75110.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注