LC-BLSTM结构快速解读

参考文献如下：

(1) A Context-Sensitive-Chunk BPTT Approach to Training Deep LSTM/BLSTM Recurrent Neural Networks for Offline Handwriting Recognition

(2) Training Deep Bidirectional LSTM Acoustic Model for LVCSR by a Context-Sensitive-Chunk BPTT Approach

(3) Improving Latency-Controlled BLSTM Acoustic Models for Online Speech Recogintion

前言众所周知，BLSTM是双向的LSTM，它可以同时兼容上下文的信息，从而在一般序列任务上的表现很好。但是BLSTM有一个很致命的弱点，那就是因为有逆向LSTM的存在，它需要有后文的后验，使得它无法在实时的序列任务上也有好的表现。基于实时任务的需求，出现了两种BLSTM的变体——CSC-BLSTM和LC-BLSTM

1. CSC-BLSTM结构解析

CSC-BLSTM结构全名——Context-Sensitive-Chunk Bidirectional Long Short-Term Memory，是BLSTM的第一种改进版本。请看结构图：

CSC-BLSTM首先把序列按照图示的方法分割成多组chunk，除了首尾位置，其他位置处的都是由N_l+N_c+N_r构成，分割的大小事先给定，一般选做30帧+60帧+30帧的模式。

其核心思想在于，N_l用来初始化N_c的前向细胞层状态，N_r用来初始化N_c的后向细胞层状态。N_l和N_r不参与误差反向传播。如下图：

很显然，CSC-BLSTM的这种结构改进可以减小实时任务的延迟，用不着整段话都输入完毕才有结果。但是从整体上看，它是以牺牲计算量为代价的。因为与BLSTM相比，它多出了N_l和N_r上的计算。在此基础之上，为了减少这种计算量，又出现了更加简化了的LC-BLSTM。

2. LC-BLSTM结构解析

LC-BLSTM结构全名——Latency-Controlled Bidirectional Long Short-Term Memory，它改进了CSC-BLSTM。请看结构图：

可以发现，相比于CSC-BLSTM，LC-BLSTM取消了N_l，只保留了N_c+N_r。但是如此在计算上必然有差异。

原来，LC-BLSTM的计算也并不复杂，同CSC-BLSTM一样，N_r用来初始化N_c的后向细胞层状态。但是，N_c的前向细胞层状态直接由它的前一个N_c的输出状态得到。这样，相比于CSC-BLSTM，LC-BLSTM避免了N_l的计算量。

But!!!很不幸，通过实验发现，为了保证准确率，LC-BLSTM必须要保证N_r划分的足够大，比如在原论文中，N_c=22的情况下，N_r需要有21，这几乎使得N_r需要有N_c同样的大小。在N_c=N_r=30的情况下，LC-BLSTM的计算量是传统BLSTM的两倍。

3. 改进的LC-BLSTM

通过上述分析，LC-BLSTM的表现依然不好。阿里的研究人员改进了这个结构。他们总结LC-BLSTM的结构，多出来的计算量就在于N_r，但是N_r的作用无非两点：

用于初始化当前N_c的后向细胞状态；
用做下一层网络的输入(因为正常都会使用多层BLSTM)

于是作者分别采用了两种简化的网络结构代替N_r的BLSTM结构。分别是LC-BLSTM-FABDI和LC-BLSTM-FABSR

3.1 LC-BLSTM-FABDI

首先对于时间轴上正向移动的LSTM，去掉了N_r部分的计算。而对于时间轴上反向移动的LSTM，N_r部分的计算主要是为N_c提供cell的初始状态，作者简化了这部分的计算，使用正向全连接来代替LSTM，将f()的输出取平均后作为N_c的初始状态。

3.2 LC-BLSTM-FABSR

首先对于时间轴上正向移动的LSTM，同样去掉了N_r部分的计算。另外作者发现对于BLSTM模型，时间轴上反向传播的LSTM不如时间轴上正向传播的LSTM重要，因此使用简单RNN模型来代替时间轴上反向传播的LSTM。

但RNN会有梯度爆炸的问题，所以对其进行strict gradient-clipping。同时为了利用未来的信息，加入了target delay。

作者在320小时的Switchboard数据集上进行测试，在不影响wer的情况下，这个两种方法的解码速度分别相对提升40%和27%。

巴特西