发表服务
一般的神经机器翻译模型（NMT）实现的是一种语言到另一种语言的翻译，也就是用在特定的语言对之间。最近一些工作开始将一般的NMT扩展到多语言的场景。目前两种通常的做法是：一、为每种源语言单独准备一个encoder，每种目标语言也准备一个decoder，然后encoder和decoder之间共享一个注…
4.1.1Architecture采用的是标准的Transformer-large结构，即6层的编码器和6层的器；在16个heads上维度为1024；而且在前向神经网络中使用GeLU代替ReLU作为激活函数4.1.2Methodology多语言神经机器翻译模型主要是学习一个多对多的映射函数f
论文简述：神经机器翻译(NMT)系统的多语言训练在低资源语言上带来了令人印象深刻的准确性改进。.然而，在数据缺乏的情况下，有效地学习单词表示仍然面临着巨大的挑战。.在本文中，我们提出了软解耦编码(SDE)，这是一种多语言词汇编码框架，专门设计...
论文简述：神经机器翻译(NMT)系统的多语言训练在低资源语言上带来了令人印象深刻的准确性改进。然而，在数据缺乏的情况下，有效地学习单词表示仍然面临着巨大的挑战。在本文中，我们提出了软解耦编码(SDE)，这是一种多语言词汇编码框架...
论文简述：神经机器翻译(NMT)系统的多语言训练在低资源语言上带来了令人印象深刻的准确性改进。.然而，在数据缺乏的情况下，有效地学习单词表示仍然面临着巨大的挑战。.在本文中，我们提出了软解耦编码(SDE)，这是一种多语言词汇编码框架，专门设计来...
记录多语言机器翻译论文的笔记.....防止遗忘，会持续更新！——————迁移学习——————TransferLearningforLow-ResourceNeuralMachineTranslation2016zoph方法：transferlearningfirsttrainahigh-resourcelanguagepair(theparentmodel)
EMNLP2018论文解读：三种提升多语言翻译模型的高效策略.本文（《三种提升一对多多语言翻译策略》）是搜狗和中科院自动化所合作发表在EMNLP2018上的工作。.搜狗翻译目前采用业界领先的神经网络机器翻译框架支持60种以上不同语言之…
目前，神经机器翻译（NMT）已经成为在学术界和工业界最先进的机器翻译方法。最初的这种基于编码器-器架构的机器翻译系统都针对单个语言对进行翻译。近期的工作开始探索去扩展这种办法以支持多语言之间的翻译，…
神奇的神经机器翻译：从发展脉络到未来前景（附论文资源）.机器翻译（MT）是借机器之力「自动地将一种自然语言文本（源语言）翻译成另一种自然语言文本（目标语言）」[1]。.使用机器做翻译的思想最早由WarrenWeaver于1949年提出。.在很长一段时间里...
推荐理由：这篇文章发表于EMNLP2018，提出了三种不同的策略提升多语言翻译质量。该工作主要对于不同语言的特性设计了三种不同的策略，改进了多语言翻译框架来提升多语言神经翻译模型的翻译质量。其主要思想在于针对不同的语言提出了特有的模块，从而在训练和过程中对不同的翻译任…
一般的神经机器翻译模型（NMT）实现的是一种语言到另一种语言的翻译，也就是用在特定的语言对之间。最近一些工作开始将一般的NMT扩展到多语言的场景。目前两种通常的做法是：一、为每种源语言单独准备一个encoder，每种目标语言也准备一个decoder，然后encoder和decoder之间共享一个注…
4.1.1Architecture采用的是标准的Transformer-large结构，即6层的编码器和6层的器；在16个heads上维度为1024；而且在前向神经网络中使用GeLU代替ReLU作为激活函数4.1.2Methodology多语言神经机器翻译模型主要是学习一个多对多的映射函数f
论文简述：神经机器翻译(NMT)系统的多语言训练在低资源语言上带来了令人印象深刻的准确性改进。.然而，在数据缺乏的情况下，有效地学习单词表示仍然面临着巨大的挑战。.在本文中，我们提出了软解耦编码(SDE)，这是一种多语言词汇编码框架，专门设计...
论文简述：神经机器翻译(NMT)系统的多语言训练在低资源语言上带来了令人印象深刻的准确性改进。然而，在数据缺乏的情况下，有效地学习单词表示仍然面临着巨大的挑战。在本文中，我们提出了软解耦编码(SDE)，这是一种多语言词汇编码框架...
论文简述：神经机器翻译(NMT)系统的多语言训练在低资源语言上带来了令人印象深刻的准确性改进。.然而，在数据缺乏的情况下，有效地学习单词表示仍然面临着巨大的挑战。.在本文中，我们提出了软解耦编码(SDE)，这是一种多语言词汇编码框架，专门设计来...
记录多语言机器翻译论文的笔记.....防止遗忘，会持续更新！——————迁移学习——————TransferLearningforLow-ResourceNeuralMachineTranslation2016zoph方法：transferlearningfirsttrainahigh-resourcelanguagepair(theparentmodel)
EMNLP2018论文解读：三种提升多语言翻译模型的高效策略.本文（《三种提升一对多多语言翻译策略》）是搜狗和中科院自动化所合作发表在EMNLP2018上的工作。.搜狗翻译目前采用业界领先的神经网络机器翻译框架支持60种以上不同语言之…
目前，神经机器翻译（NMT）已经成为在学术界和工业界最先进的机器翻译方法。最初的这种基于编码器-器架构的机器翻译系统都针对单个语言对进行翻译。近期的工作开始探索去扩展这种办法以支持多语言之间的翻译，…
神奇的神经机器翻译：从发展脉络到未来前景（附论文资源）.机器翻译（MT）是借机器之力「自动地将一种自然语言文本（源语言）翻译成另一种自然语言文本（目标语言）」[1]。.使用机器做翻译的思想最早由WarrenWeaver于1949年提出。.在很长一段时间里...
推荐理由：这篇文章发表于EMNLP2018，提出了三种不同的策略提升多语言翻译质量。该工作主要对于不同语言的特性设计了三种不同的策略，改进了多语言翻译框架来提升多语言神经翻译模型的翻译质量。其主要思想在于针对不同的语言提出了特有的模块，从而在训练和过程中对不同的翻译任…
发表服务