这一部分主要对注意力机制（Attention Mechanism）做一个概述，整合一下之前学习的内容，免得遗忘。
来源
注意力机制的设计，或者说命名，是借鉴了人类的注意力机制。人类的注意力机制属于生物的天性之一，无论是视觉还是听觉，都可以让我们在大量信息中筛选并关注高价值信息，获取更多所需要关注目标的细节信息，而抑制其他无用信息，极大地提高了信息处理的效率与准确性。
Encoder-Decoder(Seq2seq)
要了解注意力机制，就需要先理解Seq2seq问题，Seq2Seq是一种语言建模方法，可以使用Encoder-Decoder框架来实现的端到端的模型。它的目标是将输入序列转换为目标序列，并且两个序列的长度都可以是任意的。转换任务的例子包括文本或音频的翻译、问答、对话生成等等。
Encoder-Decoder框架的结构如下面一个文本翻译图所示：
Encoder（编码器）：负责处理输入序列，并将信息压缩成固定长度的上下文向量（Context Vector），上下文向量的目的是概括整个源序列的含义。
Decoder（解码器）：使用上下文向量和之前生成的历史信息生成下一个单词，一直到目标文本生成完毕。
其中，编码器和解码器可以使用任何模型，CNN/RNN/LSTM/GRU/Transformer均可。
但是，由于编码和解码阶段一直使用一个定长的上下文向量，也造成了一些问题，其中最严重的是下面两个问题：
- 信息表示困难：编码器要将整个序列的信息压缩进一个固定长度的上下文向量，使得语义向量无法完全表示整个序列的信息
- 无法记住长句：对于长序列输入，最开始输入的序列容易被后输入的序列给覆盖掉，从而丢失许多细节信息
注意力机制就是为了解决这些问题而诞生的。
注意力机制（Attention）
Attention机制在NLP领域第一次应用是Bahdanau et al., 2015的论文，应用于神经机器翻译（NMT）中，协助记忆长源句信息，其构建单个上下文向量的方式与Encoder不同，Encoder仅在最后一个隐藏状态构建上下文向量，而Attention在上下文向量和所有输入之间创建链接权重，供输出元素使用。
因为上下文向量可以访问整个输入序列，所以无需担心序列过长导致的信息遗忘问题。
下图是Bahdanau论文提出的具有附加注意机制的编码器-解码器模型。
Attention的类型
下面是几个常用的Attention和对应函数的汇总表：
^注意：scale-dot product添加了一个缩放系数，避免当输入很大时，softmax函数可能由于梯度过小，难以有效学习的问题。
下面是对更广泛的注意机制类别的总结：
其中：
Self-Attention：使用自适应方式获取特征信息，详见Transformer。
Soft Attention：通过加权求和的方式来选取特征信息。
Hard Attention：通过随机采样或最大采样的方式来选取特征信息，使得其无法使用反向传播算法进行训练。
Global Attention：关注的是整个序列的输入信息，相对来说需要更大的计算量。
Local Attention：关注限定窗口范围内的序列信息，但窗口的限定使得中心词容易忽视不在窗口范围内的信息，因此窗口的大小设定十分重要。
Thanks：
https://lilianweng.github.io/lil-log/2018/06/24/attention-attention.html
https://www.zhihu.com/question/68482809/answer/264632289
