Add. Calculation method of Self-Attention

NLP通用框架BERT项目实战/NLP通用框架BERT原理解读.md

@@ -32,4 +32,35 @@
 
 > “it”在第一句中是指代“animal”，表示它太累了没有过去。
 >
-> “it”在第二句中指代“street”，表示路太窄了没有过去。
+> “it”在第二句中指代“street”，表示路太窄了没有过去。
+>
+> 这里关注的是“animal”，我们希望即使是第二句，“animal”对结果的影响越大。
+
+
+
+#### Self-Attention计算
+
+- 输入经过编码后得到的向量。
+- 得到当前词语上下文的关系，可以当做是加权。
+- 构建三个矩阵分别查询当前词跟其它词的关系，以及特征向量的表达。
+
+如下图：
+
+![1609726549882](assets/1609726549882.png)
+
+> 先转换成向量，构建三个矩阵Q、K、V，求出来第一个词编码的时候怎么找到上下文。右边的W就是权重。
+
+这三个矩阵具体做什么：
+
+- Q: query，要去查询的
+- K: key，等着被查的
+- V: value，实际的特征信息
+
+![1609726848038](assets/1609726848038.png)
+
+> X是输入内容，结果W后，形成Q、K、V不同矩阵的特征向量。
+
+![1609730605624](assets/1609730605624.png)
+
+> q与k的内积表示有多匹配，如果Xa与Xb之间无关的时候，那么其在坐标系上的表示是垂直的；如果有关系，则非垂直，则有夹角有内积，相关性越大，则夹角越小，内积越大。
+