Improve Transformer Models with Better Relative Position Embeddings

论文地址：

• https://arxiv.org/abs/2009.13658

整体思路以及计算方式

给出引入相对位置编码的几种方案。

方案1：

$$\begin{aligned} e_{i j}&=\frac{\left(\mathbf x_{i} \mathbf W^{Q}\right)\left(\mathbf x_{j} \mathbf W^{K}\right)^{\top} a_{i j}}{\sqrt{d_{z}}}\\ a_{i j}&=w_{|j-i|} \end{aligned}$$

方案2：

$$\begin{aligned} e_{i j}&=\frac{\left(\mathbf x_{i} \mathbf W^{Q}\right)\left(\mathbf x_{j} \mathbf W^{K}\right)^{\top} a_{i j}}{\sqrt{d_{z}}}\\ a_{i j}&=w_{j-i} \end{aligned}$$

方案3：

方案4：

$$e_{i j}=\frac{\left(\mathbf x_{i}\mathbf W^{Q}+a_{i j}\right)\left(\mathbf x_{j}\mathbf W^{K}+a_{i j}\right)^{\top}-\left\langle a_{i j}, a_{i j}\right\rangle}{\sqrt{d_{z}}}$$

时间复杂度

会增加一定的时间复杂度，但关于序列长度任然是二次。

训练以及loss

不变。

代码

没有，但实现起来很简单。

实验以及适用场景

总体来说效果一般。

细节

暂无。

简评

对性能提升不多，所以暂时不考虑复现。