一、Attention机制是什么？

Attention机制最早在视觉领域提出，九几年就被提出来的思想，真正火起来应该算是2014年Google Mind发表了《Recurrent Models of Visual Attention》，使Attention机制流行起来，这篇论文采用了RNN模型，并加入了Attention机制来进行图像的分类。不同于全图扫描，该 算法每次仅瞥见图像中的部分区域，并按时间顺序 将多次瞥见的内容用循环神经网络加以整合，以建立图像的动态表示。
2015年，Bahdanau等人在论文《Neural Machine Translation by Jointly Learning to Align and Translate》中，将attention机制首次应用在nlp领域，其采用Seq2Seq+Attention模型来进行机器翻译，并且得到了效果的提升，Seq2Seq With Attention中进行了介绍。

2017 年，Google 机器翻译团队发表的《Attention is All You Need》中，完全抛弃了RNN和CNN等网络结构，而仅仅采用Attention机制来进行机器翻译任务，并且取得了很好的效果，注意力机制也成为了大家近期的研究热点。

二、推荐论文与链接

推荐先看看《自然语言处理中的注意力机制研究综述》论文解读:Attention is All you need https://zhuanlan.zhihu.com/p/46990010
【NLP论文笔记】Neural machine translation by jointly learning to align and translate https://www.jianshu.com/p/8d6341ded7eb
入门篇：一文看懂 Attention（本质原理+3大优点+5大类型） https://zhuanlan.zhihu.com/p/91839581
【self-attention论文】Non-local neural networks: https://arxiv.org/abs/1711.07971
Self-Attention Generative Adversarial Networks: https://arxiv.org/abs/1805.08318
【Multi-head Self-Attention计算复杂度】https://blog.csdn.net/qq_45588019/article/details/122599502

三、self-attention

Self Attention与传统的Attention机制非常的不同：传统的Attention是基于source端和target端的隐变量（hidden state）计算Attention的，得到的结果是源端的每个词与目标端每个词之间的依赖关系。但Self Attention不同，它分别在source端和target端进行，仅与source input或者target input自身相关的Self Attention，捕捉source端或target端自身的词与词之间的依赖关系；然后再把source端的得到的self Attention加入到target端得到的Attention中，捕捉source端和target端词与词之间的依赖关系。因此，self Attention Attention比传统的Attention mechanism效果要好，主要原因之一是，传统的Attention机制忽略了源端或目标端句子中词与词之间的依赖关系，相对比，self Attention可以不仅可以得到源端与目标端词与词之间的依赖关系，同时还可以有效获取源端或目标端自身词与词之间的依赖关系。

Transformer中提出的多头自注意力模块运算公式为：