当下的神经机器翻译（Neural Machine Translation, NMT）已经拥有很强的翻译性能，在诸多模型之中，Transformer模型取得了最好的效果。其区别于传统模型之处在两个方面：自注意力机制（Self-Attention）以及多头注意力机制（Multi-Head Attention）。
本文主要针对后者，传统的单头注意力机制已经有了比较多的研究，广泛的结论是注意力代表了词对齐。但多头注意力机制代表了什么还缺乏研究。本文基于一项对Transformer多头注意力的观察展开：解码器（Decoder）的最后一层对于编码器（Encoder）的多头注意力机制，代表了多重词对齐。并利用该现象，生成多样化翻译。更进一步，利用多样化翻译，辅助利用逆向翻译技术（back translation），增强翻译模型性能。最后一项有关问答任务的实验也证明了性能的提升。
首先，为了验证我们的猜想：解码器（Decoder）的最后一层对于编码器（Encoder）的多头注意力机制，代表了多重词对齐，即解码器最后一层注意力对应的源端的词，是接下来极有可能会生成的词，我们做了三个验证实验：
1、我们将解码器每个头对应最大注意力值的源端词选取出来，利用翻译的基线模型翻译生成目标端单词，看这些生成的目标端语言单词，在下一步目标端生成的softmax概率表中排名第几，如图1所示，非常尖锐的分布，大部分对应的词都在排名前列。
图1：被注意力头选中的词都排名非常靠前
2、与上面相似，我们查看了这些词的负对数似然（Negative Log-Likelihood, NLL），并计算了所有情况下排名第R的词的平均NLL（例如K=1，就是所有排名第1的词的NLL），进行对比，如表1所示，被选中的词的NLL非常小。
表1：所有情况中排名第R的词的NLL，每个头的NLL都非常小
3、更进一步，我们发现可以通过控制不同的注意力头，来控制下一步的生成。具体见下面的例子，源端句子是“他说, 去年九月以来, 出口下降导致印度经济恶化。”模型已经翻译出“he said”，正在等待下一步翻译。我们摘取了此时各个头的注意力情况，如图2所示。接下来，我们挑选第4、5、6个头，分别对应到“以来”、“下降” 、“出口”三个词，每次都用某个头的注意力数值覆盖其他头，观察到对应的头的词都被即刻生成出来了，如表2所示。
图2：不同的头对应不同的源端的词
表2：选择不同的头（对应不同的源端词），就能控制下一步的生成
我们利用该现象，提出了利用该多头注意力机制增强翻译多样性的算法。
具体来说就是在每一次生成的时刻，随机采样某个头，用其注意力数值覆盖其他头。但如果在生成的每个步骤都进行采样，虽然能显著增加多样性，却也会降低翻译质量。因此，我们提出了一个针对性算法：若多个头都对应到不同的源端词，意味着此时有多个合理的候选，此时我们就进行采样。
具体来说分如下几步：
1、令每个时刻的注意力数值为att(i,t,h)，代表目标端生成第t个时刻，第h个头，对源端第i个词的注意力，我们取第h个头注意力最强的源端词candidate(t,h) = argmax(att(i,t,h), i)。
2、令[n_0, ..., n_i, ..., n_(T-1)]表示源端词被选为candidate的数量，T为源端长度。明显地，sum(n) = H，H代表头的总数。
3、若max(n) <= K，则进行采样，K为超参。这一步可以理解为，注意力很分散，可以有不同的候选。
具体算法如算法1所示。
算法1：采样策略
我们在NIST 中英数据集，WMT14 英德数据集，和WMT16 英罗数据集上进行了实验。评价指标主要针对两个方面，翻译质量和翻译多样性，翻译质量仍然采用传统的BLEU，即与参考译文的比较（Reference-BLEU，rfb），越高质量越好，翻译多样性采用多次生成结果之间的BLEU（Pair-Wise BLEU，pwb），越低多样性越好。
最后，我们还提出一个综合的指标：每单位质量的多样性提升（Diversity Enhancement per Quality，DEQ），表示相较于baseline，提升的多样性BLEU与降低的翻译质量的BLEU的比值，越大越好，说明能以同样的质量代价实现更高的多样性。
实验结果如表3，4，5所示，比起之前的工作，我们在维持了比较高的翻译质量的前提下，实现了多样性的提升。
表3：中英实验
表4：英德实验
表5：英罗实验
我们将之前的工作、噪音组（为了去除噪音带来多样性的可能性）的结果绘在图3中，横轴是rfb，纵轴是pwb，右下角是最优点，结果显示，我们的方法都在右下角。
图3：Pair-Wise BLEU对Reference BLEU
越右下角越优，我们的方法都处在右下角。
表6是一个例子：
表6：多样性翻译例子
我们还看了不同长度的实验结果，如图4所示。理论上来说，随着长度增长，翻译的多样性应该增加，因为搜索空间更大了，但beam search由于其先天的缺陷，长度越长，多样性越差。我们的方法就实现了，随着长度增加，多样性增加的效果。
图4：随着句子长度增加多样性的变化
我们利用这些多样性的翻译来做逆向翻译（Back-Translation），在中英和英中实验上都有提升，如表7，8
表7：中英逆向翻译实验
表8：英中逆向翻译实验
最后还有一项对话的实验，也验证了我们的结论，如表9。评价指标详见论文。
表9：对话实验
在本文中，我们发现了Transformer模型的一个内在结构特性，并利用它提出了一个多样性翻译生成的算法，比起以往的工作，在同等质量的前提下取得了更高的多样性。收益于我们的方法的逆向翻译算法、对话策略也取得了比以往更好的效果。
作者 | 孙泽维
本文来自公众号「南大NLP」
雷锋网 AI 科技评论转载 雷锋网雷锋网
正在生成分享图...
刘洁