机器翻译概述、seq2seq、attention机制

最新推荐文章于 2024-06-26 15:56:22 发布
最新推荐文章于 2024-06-26 15:56:22 发布
阅读量203 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40377498/article/details/105222057
版权

1.机器翻译
通过计算机将一种语言翻译为其他语言。
机器翻译发展概述
CS224N机器翻译讲解
2.seq2seq
seq2seq模型，即Sequence to Sequence，从一个序列到另一个序列的转换。
seq2seq模型图解
seq2seq简单讲解
seq2seq模型详解
seq2seq与attention机制

3.attention机制
attention，即注意力，就是专注于当前任务更为关键的信息，降低对其他信息的关注度。
注意力机制详解

文本分类中attention理解
RNN-attention的文本分类
基于attention机制的BI-LSTM文本分类
文本分类中几种attention机制介绍

attention机制在文本分类中的应用

一只NLP的萌新er
关注
使用Seq2Seq网络和Attention机制的机器翻译原理介绍
Lygjhr的博客
04-12 779
使用Seq2Seq网络和Attention机制的机器翻译原理介绍 在这部分的实验中，我们将实现用RNN将中文翻译成英文。 数据准备和预处理 实验中用到的数据是大量的中英文平行语料：“um-corpus” “um-corpus”中分别有各2215000条中英文训练语料和各5000条中英文测试语料。 数据处理步骤 将文件中的双语平行语料分开成train.en和train.zh，并把语料分割成一...
Seq2Seq模型+Attention机制
红豆的博客
10-10 1107
一、Seq2Seq 1.1、模型提出的背景 seq2seq是一个Encoder-Decoder结构的网络，它的输入是一个序列，输出也是一个序列， Encoder中将一个可变长度的信号序列变为固定长度的向量表达，Decoder将这个固定长度的向量变成可变长度的目标信号序列。 1.2、模型结构 seq2seq属于encoder-decoder结构的一种，基本思想就是利用两个RNN，一个RNN...
机器翻译的概述（冰山一角）
weixin_43973586的博客
12-01 3553
1.机器翻译概述： 使用计算机将一种自然语言转换成另一种自然语言的过程,机器翻译试图利用计算机来模拟人的翻译能力，因此他也成为人工智能的一个重要分支[1]。 2.机器翻译发展历史 开创期：（1947-1964） 1954年美国乔治敦大学与IBM公司合作，首次完成了英俄机器翻译，展示了机器翻译的可行性，拉开了机器翻译发展的序幕，随后多个国家开始对机器翻译的研究。[2] 低潮期：（1964-1975） 1964年，美国的语言自动处理咨询委员会，在经过两年对机器翻译发展的调查后，发表了名为《语言与机器》报告，这份
机器翻译（Machine Translation）
最新发布
m0_71458120的博客
06-26 1341
机器翻译（Machine Translation，简称MT）是指运用机器，通过特定的计算机程序将一种书写形式或声音形式的自然语言，翻译成另一种书写形式或声音形式的自然语言的过程。机器翻译是一门交叉学科，由计算机语言学、人工智能和数理逻辑等子学科构成，这些子学科又分别建立在语言学、计算机科学和数学的基础之上。机器翻译可以实现不同国家不同语言间的低成本交流，其主要优点包括成本低、易把控和速度快。机器翻译技术的发展经历了从基于规则的翻译方法，到基于统计的翻译方法，再到当前基于神经网络的翻译方法的演变。
机器翻译
Major_S的博客
03-01 2942
机器翻译
NLP系列项目三：Seq2Seq+Attention完成机器翻译
lyj223061的博客
08-30 1524
本项目尽可能复现Luong的attention模型，数据集非常小，只有一万多个句子的训练数据，所以训练出来的模型效果并不好，但基本实现了功能。如果想训练一个好一点的模型，可以参考下面的资料。 课件 cs224d 论文 Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation Effective Approaches to Attention-based Neural Mac
机器翻译-基础概念
Eddy_zheng的博客
12-31 2801
1、机器翻译     机器翻译（machine translation, MT）是用计算机来实现不同语言之间翻译的技术。被翻译的语言通常称为源语言（source language），翻译成的结果语言称为目标语言（target language）。机器翻译即实现从源语言到目标语言转换的过程，是自然语言处理的重要研究领域之一。     机器翻译通常使用机器学习技术将大量文本从支持的语言翻译成支持的语言，即将“源”文本从一种语言翻译成另一种“目标”语言。尽管机器翻译技术背后的概念和使用界面相对简单，但其背后的科学
华为mindspore培训资料：4.Seq2seq+Attention.pdf
03-24
### 华为MindSpore培训资料：Seq2seq与Attention机制详解 #### 一、序言 在自然语言处理（NLP）领域，序列到序列（Sequence-to-Sequence，简称Seq2seq）模型已经成为处理一系列任务的核心技术之一，如机器翻译、...
pytorch采用LSTM实现文本翻译，序列到序列学习Seq2Seq
04-18
在自然语言处理领域，序列到序列（Seq2Seq）学习是一种广泛应用的模型，它主要用于解决如机器翻译、对话系统和摘要生成等任务。PyTorch是一个强大的深度学习框架，其灵活的API使得实现复杂的神经网络结构，如长短期...
textsum基于tensorflow实现的Seq2Seq-attention模型以及其他策略算法, 来解决摘要生成、主旨提取等
03-28
Seq2Seq模型最初由Sutskever等人在2014年提出，主要用于机器翻译。这种模型由编码器和解码器两部分组成。编码器将输入序列转换为固定长度的向量，这个向量包含了输入序列的全部信息；解码器则根据这个向量生成输出...
神经机器翻译技术、Attention与Seq2Seq、Transformer
zyuPp的博客
02-19 1256
神经机器翻译技术NMT 主要特点：输出是单词序列而不是单个单词，并且可能输出序列的长度与输入序列的长度不同 机器翻译的实现过程 1. 数据预处理 乱码处理 我们通常所用的空格是 \x20 ，是在标准ASCII可见字符 0x20~0x7e 范围内。 而 \xa0 属于 latin1 （ISO/IEC_8859-1）中的扩展字符集字符，代表不间断空白符nbsp(non-breaking space...
NLP_自然语言处理项目(2)：seq2seq_attention_机器翻译（基于PyTorch）
weixin_43978744的博客
04-27 3643
NLP入门，基于PyTorch框架实现一个中文到英文的机器翻译的小demo【附全部源代码】
机器翻译Seq2Seq(Encoder-Decoder)+Attention模型代码实现
彭伟的博客
02-12 3744
1、Encoder-Decoder 在网上大家能够找到很多关于，sequence to sequence模型。简单的来说它就是一个编码器和解码器，用循环神经网络RNN去实现。 在编码端，用RNN对句子进行中间语义表示，得到c后，根据c的表示去进行解码。在机器翻译当中，就是将源端的语言，进行中间表示，然后再解码成目标端的语言。 但是编码端，通常是将源语言编码成一个固定长度的向量。这种做法，在改善效...
机器翻译模型简介（一）
u013453936的专栏
08-26 7425
本系列将记录一些最近的机器翻译模型，作为笔记，以备日后查看。 1、Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation        这篇论文试图解决神经网络机器翻译的一些问题：1、较慢的训练与预测速度，2、解决稀少词的预测3、不能够完全覆盖翻译源句。...
基于attention的seq2seq机器翻译实践详解
zenRRan的博客
03-08 3437
理理思路 文本处理，这里我是以eng_fra的文本为例，每行是english[tab]french，以tab键分割。获取文本，清洗。 分别建立字典，一个english，一个french。 根据字典写好seq2id的函数（文本序列->数字序列），并调用将文本序列化。 初始化Encoder，Decoder模型；选择合适的优化器；设置lr，epochs等参数； ...
seq2seq + attention 详解
热门推荐
xy_free的博客
05-21 3万+
seq2seq + attention 详解 作者：xy_free \qquad 时间：2018.05.21 1. seq2seq模型 seq2seq模型最早可追溯到2014年的两篇paper [1, 2]，主要用于机器翻译任务（MT）。seq2seq本质上是一种encoder-decoder框架，以翻译任务中的“英译汉”为例，模型首先使用编码器对英文进行编码，得到英文的向量化表示S，然后使...
深度学习PyTorch实战：Seq2Seq与Attention机制解析
Seq2Seq模型和Attention机制是深度学习在自然语言处理领域的重要工具，它们使得神经网络能够处理任意长度的输入和输出序列，特别是在机器翻译和其他序列生成任务中表现优异。通过PyTorch这样的深度学习框架，开发者...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值