诸神缄默不语-个人CSDN博文目录
诸神缄默不语的论文阅读笔记和分类

论文名称：Sequence to Sequence Learning with Neural Networks
ArXiv下载地址：https://arxiv.org/abs/1409.3215

本文是2014年NeurIPS论文（那时候这个会还叫NIPS），作者来自谷歌。本文是seq2seq (sequence to sequence) 模型的开山之作，一般来说现在写到seq2seq模型的时候就会引用这篇论文。

1. Seq2Seq模型

Seq2Seq模型处理输入和输出都是一组序列的数据，在自然语言处理领域主要就是文本生成相关的任务，如机器翻译、文本摘要、问答等。
Seq2Seq 模型由两个主要的组成部分构成：编码器（Encoder）和解码器（Decoder），两部分都是RNN。编码器将输入序列转换为固定长度的上下文向量，然后解码器使用这个上下文向量来生成输出序列。

类似思路的工作之前也见：
(2013 EMNLP) Recurrent continuous translation models：这篇是用的CNN
(2014 EMNLP) Learning phrase representations using RNN encoder-decoder for statistical machine translation：关注于将RNN嵌入统计翻译模型。用纯RNN，因为长程依赖问题所以效果不好
(2015 ICLR) Neural machine translation by jointly learning to align and translate：在上一篇的基础上加入attention，试图解决长序列问题

原论文示例图：

由4层LSTM（Long Short-Term Memory）将输入序列转换为固定维度的向量，再用另一个LSTM将向量解码为输出序列。本文是在机器翻译领域做的，但显然后来这个模型被扩展到了各种文本到文本的任务上。
用LSTM来对SOTA（SMT统计机器翻译模型）输出结果重排序（计算LSTM对hypothesis表征的对数似然作为LSTM得分，和原始得分求平均作为最终得分）后，可以提升BLEU指标。
本文还发现倒转输入序列顺序能提高模型效果。（一个trick）这个很奇怪，我也没太搞懂，我怀疑是因为RNN对最后的输入最敏感，但是语句就是最前面的最重要，所以就这样了。原文说是因为这么干能引入短程信息。

RNN：

训练目标：

当时应该还没有系统性总结为encoder-decoder架构，一个encoder-decoder架构更清晰的示意图见：（我后来又看了一下，之前的参考文献里就有了，但是s2s这篇没有按照这种格式来画）

原始Seq2Seq有显著的长程依赖问题，后续研究提出注意力（attention）机制减缓这一问题。
transformer还有一个idea就是RNN不能并行，所以直接用矩阵乘法实现并行，然后改进了编码方式，来将token的位置信息编码进模型。

2. 实验

当年条件还是很艰苦的，要用C++手写代码，一个4层LSTM模型要分到8个GPU上并行，一次要跑10天……

当年论文也是不需要超过SOTA的。

句子向量可视化：

案例分析：

长度对模型效果的影响和少见词语对模型效果的影响：

3. 本文撰写过程中参考的其他网络资料

1. Understanding Encoder-Decoder Sequence to Sequence Model | by Simeon Kostadinov | Towards Data Science
2. Sequence to Sequence Learning with Neural Networks - 知乎