论文地址 ：https://arxiv.org/abs/1906.00592
作者 ：Baosong Yang, Longyue Wang, Derek F. Wong, Lidia S. Chao, Zhaopeng Tu
机构 ： 腾讯AI lab
研究的问题：
在RNN类网络中，使用的是序列建模，可以表示位置信息。而在self-attention network(SAN)的网络中，学习位置信息的能力较弱。本文做的就是提出一种单词重排的检测任务来量化san和RNN的学习位置信息的能力。具体地说，就是随机地将一个单词移动到另一个位置，看一个训练好的模型能否同时检测到原始位置和插入位置。
研究方法：
单词重排检测任务：
描述如下：给定一个句子X，随机地将一个词插入到另一个位置上，任务的目的就是检测哪个单词被挑出来，以及它被插入在哪个位置。模型的输出包括“I”O”两个标记。也就是一个指针检测任务。如下所示。
在训练过程中，训练目标是最小化真实插入位置和原始位置的交叉熵。
这里的Q_I和Q_O都是one-hot的向量。
实验部分：
模型：使用RNN、SAN、DiSAN三个模型
学习目标：分别使用两种策略来训练encoder，输出层都是上述单词重排检测任务。
策略一：直接使用单词重排检测任务的数据训练encoder，与输出层协同训练，使用检测精度作为学习目标。
策略二：以机器翻译为学习目标，先训练一个NMT模型，包括编码器和解码器，然后在单词重排检测任务上只训练与输出层有关的参数。
实验结果如下：
结论：
（1）SAN在该任务上的表示不如RNN，但在机器翻译中不成立。
（2）在下游任务（如翻译）中，学习目标比模型结构更重要。
（3）在机器翻译中，位置编码对于SAN来说已经足够好了。DiSAN对于SAN来说是一种更有效地学习词序信息的机制。
对于为什么在机器翻译中，SAN的表现较好。作者认为SAN通过保留更多的语序信息来弥补其在并行结构上的不足，从而有助于更深层的编码。作者补充了一个实验。
像“研表究明，汉字的序顺并不定一能影阅响读”这句话，大家基本都可以理解它的意思。那机器能不能理解呢？作者将语句打乱后用于翻译模型。结果如下：
可以看到与RNN相比，SAN和DiSAN在翻译质量上的下降幅度更小，说明了self-attention在去除错误顺序的噪声方面的有效性。
评价：
通过识别打乱的token的任务来研究RNN和self-attention网络对于位置信息的建模能力。实验本身比较简单，不过作者结合具体的应用场景（机器翻译）的实验得到了一些新的结论。不过这里只讨论了机器翻译，没有提到在其他的NLP任务中是否是类似的结论。 3分。