最近我突然有了一些富余的整块时间。于是我实现了一些有意思的论文的idea, 其中印象最深的还是《Hierarchical Attention Networks for Document Classification》。我把相关代码放到这里了：
https://github.com/triplemeng/hierarchical-attention-model
综述
今天，基本上所有的NLP方面的应用，如果想取得state-of-art的结果，就必须要经过attention model的加持。比如machine translation, QA(question-answer), NLI(natural language inference), etc, etc…. 但是这里有个问题: 传统上的attention的应用，总是要求我们的task本身同时有源和目标的概念。比如在machine translation里, 我们有源语言和目标语言，在QA里我们有问题和答案，NLI里我们有sentence pairs …… 而Attention常常被定义为目标和源的相关程度。
但是还有很多task不同时具有源和目标的概念。比如document classification, 它只有原文，没有目标语言/文章， 再比如sentiment analysis（也可以看做是最简单的一种document classification）,它也只有原文。那么这种情况下attention如何展开呢？ 这就需要一个变种的技术，叫intra-attention（或者self-attention）, 顾名思义，就是原文自己内部的注意力机制。
intra-attention有不同的做法。比如前一段Google发的那篇《Attention is All You Need》，在machine translation这个任务中，通过把attention机制formularize成Key-Value的形式，很自然的表达出源语言和目标语言各自的intra-attention. 这么做的好处是在句子内部产生清晰的1.语法修饰 2. 语义指代关系 方面的理解，也就是说对句子的结构和意义有了更好的把控。
如下盗图所示：
如上两图分别代表了原文在两个不同子空间的投影的注意力结果(具体做法见原Google的论文，这里的介绍从略)。我们可以看到清晰的指代关系和修饰关系。文章引入的self-attention机制加上positional embedding的做法，可能是将来的一个发展方向。
方法
这篇论文采取了非常不一样的做法。它引入了context vector用来发现每个词语和每个句子的重要性。
它基于这样的observation:
每个document由多个句子组成，而在决定文章的类型时，每个句子有不同的重要性。有的更相关一些，有的用处不大。比如说在一篇有关动物科学的文章中，某些句子和文章的主题相关性就很高。比如包含类似于“斑马”或者“猎食者”，“伪装”这样词语的句子。我们在建造模型时，最好能够给这样的句子更多的“attention”。 同样的，对于每个句子而言，它所包含的每个词语的重要性也不一样，比如在IMDB的review中， 如like, amazing, terrible这样的词语更能够决定句子的sentiment
所以，在分类任务中，如果我们给模型一篇文章，我们想问模型的问题是：1. 在这篇文章中，哪些句子更重要，能够决定它的分类？ 2. 在这篇文章的某个句子中，哪些词语最重要，能够影响句子在文章里的重要性？
那么，如何向模型提出这样的问题呢? 或者说如何让模型理解我们的意图呢? 作者是通过引入context vector做到的。这个context vector 有点天外飞仙的感觉, 之所以给我这样的感觉，是因为：
context vector是人工引入的，它不属于task的一部分。它是随机初始化的。
它代替了inter-attention中目标语言/句子，能够和task中的原文产生相互作用，计算出原文各个部分的相关程度，也就是我们关心的attention。
它是jointly learned。 也就是说，它本身，也是学习得来的 ！！
具体而言，网络的架构如下：
网络由四个部分组成：word sequence layer, word-attention layer, sentence sequence layer, and sentence-attention layer
如果没有图中的
