seq2seq: 系列変換モデル

RNNでは入力と出力の系列長や順序は一致しなくてはならない
seq2seqは入力系列を別の系列に変換するモデル（翻訳など）
- 入力と出力の系列長が異なっていても良い
- 入力にBOSやEOSを含めることが多い?
- 入力と出力の語彙が異なっていてもよい（がNMTではマージして1つの共用語彙にすることが多い?）
RNNLMの一種の拡張
- 2つのRNNLMをつなぎ，出力側のRNNLMの初期値を変えただけ
処理
- 入力系列 $\bold{X}$ から固定長の符号ベクトル $\bold{z}$ を生成する
- $\bold{z}$ から出力系列 $\bold{Y}$ を生成する
入力を $\bold{z}$ $z$ だけに押し込んでいるので，長い入力だと出力の性能が悪化する
- 改善したのがattention mechanism

構造

encoder embedding layer
- 入力: one-hotベクトル $\bold{x}_i$
- 出力: embedding $\bar{\bold{x}}_i = \bold{E}^{(s)} \bold{x}_i$
- embedding間に依存関係は無いので並列処理可能
encoder recurrent layer
- 入力: $i$ 番目の単語に相当するembedding $\bar{\bold{x}}_i$
- 出力: 隠れ状態ベクトル $\bold{h}_i^{(s)}$
- 多様な設計がありうる
  - RNNの種類（最近ではGRUやLSTMが多い）
  - 単方向or双方向，何層か
- decoder recurrent layerと同じモデルでも良いが，より複雑なモデルを使うことが多い
  - 逐次処理を行うという制限が無いため
decoder embedding layer
- 入力: decoder recurrent layerで選択された出力 $\bold{y}_{j-1}$
- 出力: embedding $\bar{\bold{y}}_j = \bold{E}^{(t)} \bold{y}\_{j-1}$ .
decoder recurrent layer
- 入力: decoder embedding layerの出力に対応する $\bold{y}_j$
- 出力: 隠れ状態ベクトル $\bold{h}_j^{(t)}$
decoder output layer
- 入力: 隠れ状態ベクトル $\bold{h}_j^{(t)}$
- 出力: $\bold{y}_j$ が生成される確率 $p_j$