目录
一.引言
Attention 注意力机制最早来源于我们自身的视觉感官，当我们视觉获取到图像信息时，我们并不是从前往后从上往下均匀的扫描画面，而是会更偏重观测某一个位置，上面的热力图给出了我们观察建筑物时，视觉更关注，即 Attention 更多的地方。同样，在推荐场景下，图像信息就类比为我们对应的 Item，而我们感官的 Attention 侧重则根据用户历史行为序列决定。
二.Attention
1.Common Attention
注意力 Attention 函数可以描述为将 Query 和一组键值对 Key-Value 映射到 Output，其中 Query、Key、Value 和 Output 都是向量。输出计算为值的加权和，其中分配给每个值的权重由 Query 与相应 Key 的兼容性函数计算。
keys 负责与 query 计算权重，得到权重后与 values 进行加权求和得到 output，在一些开源代码中，我们经常看到 Attention 代码中有 Q、K、V 类似标识，其中：
Q - Query 在推荐场景下为目标 Item
K - Keys 在推荐场景下为用户行为 Goods
V - Values 在推荐场景下 V 与 K 相同，均为用户行为 Goods
推荐实战场景下，Query 与 Key 的权重计算一般采用 Dot-Product 的方式，对于 N 个 Key 将得到 N 个权重，根据场景不同，也可以决定是否对权重采用 Softmax 归一化，再进行加权求和。
2.Google Attention
Google《Attention Is All You Need》一文中在原始计算公式的基础上增加了比例因子 1/√dk。最常用的 Attention 函数是 Add Attention 和 Dot-Product Attention。理论上二者复杂度相似，但是 Dot-Product Attention 可以通过矩阵优化代码提高效率。除此之外，由于 Dot-Product Attention 有时幅度较大容易将 softmax 函数推入梯度极小的区域，为了抵消这种影响，谷歌将点积做了缩放，缩放因子为 √dk。
三.Multi-Head Attention
Multi-Head Attention 最早应用于 NLP 任务中，其代替 RNN 实现了 Seq2Seq 的模型框架。
Q - Query 在推荐场景下为目标 Item，批量计算时维度为 None x 1 x Dim
K - Keys 在推荐场景下为用户行为 Goods，批量计算时维度为 None x T_k x Dim
V - Values 在推荐场景下 V 与 K 相同，均为用户行为 Goods
Multi-Head 可以理解为 Q、K、V 分解为 Head 个子空间，对每个子空间内的向量进行 Attention 操作，例如一个 Query 的维度为 None x 128，如果采用 Head = 4 的场景，则 Query 被分为 4 个 None x 32 的向量，同理 K、V 对应的向量也被分解。随后每个 None x 32 进行 Attention 操作，最后再 Concat 合并。
Tips：
NLP 场景下 Query 为语句序列，维度为 None x T_q x Dim，由于推荐场景下 Query 候选集为单一商品，所以维度为 None x 1 x Dim。Multi-Head Attention 可以理解为在向量的不同子空间内进行 Attention，以表征不同的含义。除此之外，Multi-Head Attention 还分别增加了前后两个 linear 模块，与传统 Attention 直接 lookup 获取向量内积有所不同。上图可以看作是 Multi-Head 的立体示意图。
四.总结
上面简单介绍了 Attention 与 Multi-Attention 机制，目前 Attention 机制已经广泛应用于推荐与自然语言处理任务中，除了上面最基础的 id 对应 embedding 信息外，很多场景下通过增加 id SideInfo 侧信息以及序列行为相对位置与绝对位置信息的 Position_embeeding 优化 Attention 的效果。后续会使用 kears 实现简单的 Attention 与 Multi-Head Attention 机制，欢迎批评指正~
参考：
更多推荐算法相关深度学习：深度学习导读专栏
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
