Language Modeling with Gated Convolutional Networks(句子建模之门控CNN）--模型简介篇

1. 提出一种新的门控机制
2. 缓解梯度传播，降低梯度弥散等现象
3. 相比LSTM，模型更加简单，收敛速度更快
   模型的结构图如下所示：
   
   首先我们可以通过堆叠CNN来标识长文本，提取更高层、更抽象的特征，而且相比LSTM而言，我们需要的op更少（CNN需要O(N/k)个op，而LSTM将文本视为序列需要O(N)个op，其中N为文本长度，k为卷积核宽度），这样一来，我们需要的非线性操作也更少，有效地降低了梯度弥散的现象，使模型收敛和训练变得更加简单。此外，LSTM中模型下一时刻的输出依赖于前一个时刻的隐藏层状态，无法实现模型并行化。但是，CNN无需这种依赖，可以方便的实现并行化，从而实现计算速度的提升。最后，本文中提出的线性门控单元不仅有效地降低了梯度弥散，而且还保留了非线性的能力。接下来我们看一下模型的具体实现方法：
   从上图可以看出，其主要结构跟原始的CNN并无很大差异，只不过在卷积层引入了门控机制，将卷积层的输出变成了下面的公式，即一个没有非线性函数的卷积层输出*经过sigmod非线性激活函数的卷积层输出：
   
   其中W和V是不同的卷积核，卷积核宽度为k，输出通道数为n，b和c是偏置参数。而且这里使用的是宽卷积，但是论文中对于使用宽卷积的原因的描述我没有看太懂=-=。上面公式中的后半部分，即有激活函数的卷积就是所谓的门控机制，其控制了X*W+b中哪些信息可以传入下一层。这里将其定义为Gated Linear Units (GLU).然后就可以将该模型进行堆叠，以捕获Long_Term memory。
   文中还论述了关于不同门控单元的效果，首先其提出CNN中不需要像LSTM那样复杂的门限机制，不需要忘记门，一个输入门就足够了。此外，还提出了另外一种门控单元GTU，如下所示：
   
   作者从梯度的角度对两种门控单元进行了分析，发现GTU会衰减的比较快，因为其梯度公式中包含两个衰减项。而GLU只有一个衰减项，可以较好地减轻梯度弥散。
   

实验结果

实验用了WikiText-103和GBW两个数据集，结果这里仅展示几个图表：



一个细节就是，对于文本长度更大的数据集而言，论文使用了更深的网络结构以获取其Long-Term记忆。