Memory Networks

TL;DR

本文提出了记忆网络 Memory Network, 其核心思想是利用一段可读写的记忆组件来辅助推理, 其他组件包括: 1) 对输入的处理; 2) 对记忆的更新; 3) 对以记忆搜索; 4) 对外响应. 方法很直白, 就是一个袖珍计算机模型.

Key Points

• 记忆网络由用数组表示的记忆和以下 4 组件组成:

  1. I - 输入特征映射, 将输入转换为内部特征表示;

  2. G - 泛化组件, 在给定输入的情况下, 更新旧的记忆; (这个命名居然是为了未来考虑的)

  3. O - 输出特征映射, 给定新的输入与当前记忆状态, 产生输出;

  4. R - 响应, 将输出转换成期望的响应格式.

• 记忆网络的工作流程按 I->G->O->R 的依次进行, 按照文中描述, 记忆只会在有新的输入的情况下被更新, 即 O, R 都不会对 G 产生影响. 测试时, 记忆依旧可以使用和被更新, 但 IGOR 的参数不再更新.

• 记忆网络的实现可以很灵活, 应用场景也很广泛, 只要满足上述范式即可, 文中只是给出了一种实现方案, 并证明了在机器阅读上的有效性.

• 最简单的 G 就是, 只保存不修改. 但记忆过大时, "回忆"是一个问题; 而当有限的记忆被塞满时, 必须实现"遗忘", 选择哪一个记忆单元重写记忆是一个问题. 这两个问题都可以归结为寻址问题, 回忆下内存的工作机制, 对理解应有帮助.

• 根据文章的描述, O 与 R 的命名也不太准确. O 的输出只是输出到 R, 而 R 产生真实的对外的响应, 此二者承担起推理的主要职责.

• 文章循序渐进地介绍了将记忆网络应用于机器阅读的过程, 记录要点:

  • O 产生输出特征时, 根据设定的超参数寻觅出 k 个记忆, 后一个记忆的寻址取决于输入与之前的记忆, 这个过程类似于 Language Modeling, 这里将 vocabularity 替换成了训练过程中填充好的记忆 (数组);

  • R 的过程与 O 类似, 这次是真的在 vocabularity 中寻找与输入+记忆最相关的词了;

  • 为解决记忆过大, 寻址开销大的问题, 文章使用了哈希的技巧: 将输入哈希进一个或多个存储单元. 记忆寻址时, 只对同一存储单元中的记忆计算依赖程度;

  • 文章提供了一种对写入时间建模的方法: 假设记忆单元的索引与写入时间相关, 则将对索引进行编码, 作为额外的特征;

  • 机器阅读中遇到的生词, 使用上下文词袋来学习. 训练时, 模仿 dropout, 以 d 的概率使用已知词的上下文来表示它;

Notes/Questions

• 可能是我看过 FAIR 最差的论文了, 原来我以为 FAIR 出品, 必是精品. 很多表达都不清不楚的, 将记忆网络应用于机器阅读的过程, 也过于简化了, 或者说, 铺垫太多, 重点没有突出, 实验也很潦草的样子.

• 因为之前看了 TCN 那篇, 本文还是有所启发的:

  1. 记忆不是被更新的，而是被组合的: 只要存储空间足够大, 每个时刻的记忆都应记录的，都是唯一的，我们的记忆可能是从不同时刻选择了记忆，对它们做了组合。Soft-Attention 做了类似的工作, 只是每一次, 它的记忆是序列各时刻的状态, 没有一个长期保存的记忆。

  2. 对于记忆的修改会造成信息丢失. 但是大记忆的寻址是一个很严重的问题. 文中的哈希是一种方法, 我觉得分层也是一种方法. 既然在 word embeddig 中, 科学家们使用了各种办法来近似 softmax 的分母, 那些方法估计也值得考虑.