论文阅读TripleNet: Triple Attention Network for Multi-Turn Response Selection in Retrieval-based Chatbot
https://arxiv.org/pdf/1909.10666.pdf
基于检索的聊天机器人的多轮响应选择的三重注意力网络
Github：https://github.com/wtma/TripleNet
论文贡献：
- 使用triple attention来建模三元输入<context、query、response>，而不是传统的<context、response>。
- 提出了一种层次表征模型，实现从字符级到上下文级的完整会话建模。
基于检索的方法从庞大的存储库中检索多个候选结果，并选择最佳的一个作为答案；基于生成的方法使用编码器解码框架来生成响应，这与机器翻译类似。
定义任务：给定上下文C、当前查询Q、候选答案R，建模预测候选答案是正确答案的概率 score = g(C, Q, R)
四个层次：context、utterances、words、characters。令C = (u1, u2, ..., ui, ..., un)，其中ui代表上下文C中第i个话语utterance，n是话语的总数，最后一个话语是查询：Q = Un；每个话语ui = (w1, ..., wj , .., wm)，其中wj代表表达i中第j个单词，m是单词的总数；每个单词wj = (ch1, ..., chk , .., chl)，其中chk代表单词j中第k个字母，l是字母的总数。
模型结构
TripleNet自底向上为字符级直到上下文级，每层首先使用层次表征模块构造Q、R和Q的表征，然后用三重注意机制来更新表征，最后在关注R的同时将它们进行匹配，并融合结果做出预测。
Hierarchical Representation
（1）Char-level Representation
令xt:t+sj−1为embedding (xt, …, xt+sj−1)的concat，sj是第j个filter的size，使用CNN和池化得到每个单词的字符级嵌入矩阵ch。
（2）Word-level Representation
使用预训练好的词向量对词x进行嵌入，并引入词匹配特征MF，如果一个词同时出现在R和C或者Q中，MF设为1，否则设为0，使得模型对这种concurrent词更加敏感。令We为预训练的词向量，ch(x)为字符向量函数，得到词嵌入表征e(x)：
使用共享的双向LSTM得到每个单词的单词级嵌入矩阵ｈ(x)。
（3）Utterance-level Representation
使用自注意力得到第k个话语的表征uk。
（4）Context-level Representation
将每个话语级表征输入另一个双向LSTM层中，得到第k个话语在上下文级的表征ck。
Triple Attention
BAF：双向注意力函数，计算两个序列之间的注意力并输出它们的新表征。为了建立<C, Q, R>关系的模型，将BAF应用于三者中的每一对，并为每个元素获得两个新表征，然后将它们相加作为最终表征。
对三者之间的潜在关系进行建模，将其两两输入到BAF中：
令Attpq、Attqp 为P和Q之间双向注意力，BAF对两个序列 (P, Q) 生成新的双向表征P`、Q` (Seo et al. 2016)：
Triple Matching
使用三重注意力机制产生的表征，对每一层<C, Q, R>的余弦距离进行匹配。这时主要关注R，因为它是我们的目标。在字符级，令ch` 为三重注意力更新过的表征，得到字符级的匹配结果M1；单词级同理--得到M2；话语级和上下文级需要去掉最大池化步骤--得到M3、M4。
将4个结果拼接，输入层次RNN（bi-LSTM）并池化，将匹配结果编码为单个特征向量v，其中m∈M 为R中一个单词的匹配结果:
Final Prediction
可以将预测C、Q和R之间的匹配分数看作是一个二分类任务，最小化预测和真实值之间的交叉熵损失。
实验
多轮对话语料库：Ubuntu Corpus (Xu et al., 2017)
预训练词向量使用GloVe，字符级卷积核为尺寸为3、个数为200。所有biLSTM层的隐藏大小为200。使用Adamax优化器、初始学习率为0.002。对于集成模型，使用不同的随机种子为每个语料库生成6个模型，并通过投票合并结果。
消融实验表明层次表征和三重注意力对性能的提升都是有所贡献的。
注意力可视化（单词级别）
结论：
最后3个语句比其他9个语句更重要，而Query比其他任何话语都重要，因此对其单独建模要比以相同的方式处理所有12个语句的效果要好；更多地关注Query附近的话语，因为它们的重要性更高。