Géométrie de l'auto-attention en classification : quand la géométrie remplace l'attention - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Géométrie de l'auto-attention en classification : quand la géométrie remplace l'attention

Résumé

Plusieurs études ont mis en évidence l'anisotropie des plongements issus d'un modèle BERT au sein d'un énoncé, c'est-à-dire leur concentration dans une direction donnée, notamment dans une tâche de classification. Dans cet article, nous cherchons à mieux comprendre ce phénomène et comment cette convergence se construit en analysant finement les propriétés géométriques des plongements, des clés et des valeurs dans une couche d'auto-attention. Nous montrons que la direction vers laquelle les plongements s'alignent caractérise la classe d'appartenance de l'énoncé. Nous étudions ensuite le fonctionnement intrinsèque de la couche d'auto-attention et les mécanismes en jeu entre clés et valeurs pour garantir la construction d'une représentation anisotrope. Cette construction se fait de manière progressive lorsque plusieurs couches sont empilés. Elle s'avère également robuste à des contraintes externes sur la distribution des poids d'attention, compensées par le modèle en jouant sur les valeurs et les clés.
Fichier principal
Vignette du fichier
461872.pdf (308.79 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04130184 , version 2 (20-06-2023)

Licence

Paternité

Identifiants

  • HAL Id : hal-04130184 , version 2

Citer

Loïc Fosse, Duc Hau Nguyen, Pascale Sébillot, Guillaume Gravier. Géométrie de l'auto-attention en classification : quand la géométrie remplace l'attention. CORIA-TALN 2023 - 18e Conférence en Recherche d'Information et Applications -- 16e Rencontres Jeunes Chercheurs en RI -- 30e Conférence sur le Traitement Automatique des Langues Naturelles -- 25e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues, Jun 2023, Paris, France. pp.137-150. ⟨hal-04130184⟩
67 Consultations
50 Téléchargements

Partager

Gmail Facebook X LinkedIn More