文章探讨了神经机器翻译模型，特别是RNNEncoder-Decoder和门控递归卷积神经网络在处理变长序列中的应用。研究指出，固定长度的向量表示对于复杂的长句子编码可能不足。实验部分关注英语到法语的翻译任务，使用AdaDelta优化的RNN解码器，并通过BLEU得分评估性能。研究强调理解这些模型的行为以指导未来的研究方向和改进翻译系统的重要性。
摘要
Neural machine translation ： 神经机器翻译。
神经机器翻译模型经常包含编码器和解码器：an encoder and a decoder.
编码器： 从一个变长输入序列中提取固定长度的表示。a fixed-length representation.
解码器：从表示中生成一个正确的翻译。generates a correct translation
本文使用模型： RNN Encoder–Decoder、
a newly proposed gated recursive convolutional neural network （门递归卷积神经网络）
a grammatical structure 语法结构
介绍
问题：
it is crucial to understand the properties and behavior of this new neural machine translation approach in order to determine future research directions. Also, understanding the weaknesses and strengths of neural machine translation might lead to better ways of integrating SMT and neural machine translation systems
变长序列神经网络：
循环神经网络、门递归卷积神经网咯
RNN
最低0.47元/天 解锁文章
扫一扫
1040
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
