前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >字幕神经机器翻译的简化:以无编码器模型为例

字幕神经机器翻译的简化:以无编码器模型为例

原创
作者头像
Jarvis Cocker
发布2019-07-19 18:11:22
4160
发布2019-07-19 18:11:22
举报
文章被收录于专栏:用户5637037的专栏

原文题目:Understanding Neural Machine Translation by Simplification: The Case of Encoder-free Models

摘要:本文试图通过简化NMT结构和训练无编码器NMT模型来理解神经机器翻译(NMT)。在无编码器模型中,字嵌入和位置嵌入的和表示源.译码器是一个标准的变压器或递归神经网络,直接关注嵌入通过注意机制。实验结果表明:(1)无编码器模型中的注意机制是一个很强的特征提取机制;(2)无编码器模型中的嵌入词与传统模型相比具有竞争力;(3)非上下文化的源表示导致性能下降;(4)无编码器模型对汉英两种语言的对齐质量有不同的影响。

原文作者:Gongbo Tang, Rico Sennrich, Joakim Nivre

原文地址:https://arxiv.org/abs/1907.08158

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
机器翻译
机器翻译(Tencent Machine Translation,TMT)结合了神经机器翻译和统计机器翻译的优点,从大规模双语语料库自动学习翻译知识,实现从源语言文本到目标语言文本的自动翻译,目前可支持十余种语言的互译。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档