开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

如何将资源语言传递到其他页面

将资源语言传递到其他页面可以通过以下几种方式实现：

使用前端框架：许多前端框架（如React、Angular、Vue.js）都提供了国际化（i18n）的支持。通过这些框架，可以将资源语言存储在翻译文件中，然后在页面中引用相应的翻译文件来显示对应的语言内容。这样可以实现页面的多语言切换。
使用后端技术：在后端开发中，可以使用服务器端的国际化库或框架来实现资源语言的传递。例如，在Java中可以使用Java国际化（Java Internationalization，简称Java i18n）来实现多语言支持。通过在后端代码中设置语言环境，将对应的资源语言传递到前端页面。
使用URL参数：可以通过URL参数来传递资源语言信息。例如，在URL中添加类似于?lang=en的参数来指定语言，然后在后端或前端代码中解析该参数，并根据参数值加载对应的资源语言。
使用浏览器本地化功能：现代浏览器提供了本地化功能，可以根据用户的语言偏好自动加载对应的资源语言。通过在页面中设置<html>标签的lang属性，浏览器会根据该属性值自动选择合适的语言。

无论使用哪种方式，都需要将资源语言存储在相应的文件中，并按照一定的规范进行管理和维护。这样可以方便地进行多语言切换，并提供更好的用户体验。

腾讯云相关产品推荐：

腾讯云国际化服务：提供了一站式的国际化解决方案，包括多语言管理、翻译服务、语音合成等功能。详情请参考：腾讯云国际化服务
腾讯云内容分发网络（CDN）：通过将资源缓存到全球分布的节点上，提供更快速、稳定的内容传输服务。详情请参考：腾讯云内容分发网络（CDN）
腾讯云全球加速（Global Accelerator）：通过优化网络路径，提供更快速、可靠的全球加速服务。详情请参考：腾讯云全球加速（Global Accelerator）

相关搜索:Cookie文件不会传递到其他页面如何将参数传递到其他网站？如何将值从jsp页面传递到javascript页面？如何将变量从页面传递到部分如何将参数从函数传递到其他函数从动态产品页面中选择产品并将其传递到其他页面如何将参数(Id)从页面视图传递到页面模型如何将用户名传递到react页面？如何将值从ajax传递到portlet页面如何将数据从Recyclerview onClickLister传递到其他活动如何将链接传递到react中的其他组件 Flutter:如何将变量从statefulwidget传递到其他statefulwidget 将一个页面的所有输入传递到其他网站的页面 Jade模板-如何将数据从查看页面传递到编辑页面如何将域重定向到其他页面或目录？Nativescript Angular:如何将其他页面绑定到TabView中？如何将字符串传递到要导航到的页面？如何将变量传递给多层组件？例如。传递到productCard页面，然后传递到products页面以显示所有卡片将其他数据传递给laravel资源如何将值从google script传递到html页面

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

带你认识 flask ajax 异步请求

迄今为止，在我遵循的传统服务器端模型中，有一个客户端（由用户驱动的Web浏览器）向应用服务器发出HTTP请求。请求可以简单地请求HTML页面，例如当你单击“个人主页”链接时，或者它可以触发一个操作，例如在编辑你的个人信息之后单击提交按钮。在这两种类型的请求中，服务器通过直接发送新的网页或通过发送重定向来完成请求。然后客户端用新的页面替换当前页面。只要用户停留在应用的网站上，该周期就会重复。在这种模式下，服务器完成所有工作，而客户端只显示网页并接受用户输入

02

一个模型翻译103 种语言！谷歌500亿参数M4模型突破多语言神经翻译极限

在过去的几年里，机器翻译(MT)系统的质量有了巨大的进步，神经机器翻译(NMT)的发展打破了世界各地的语言障碍。

03

C语言调用lua

在使用C语言调用luajit之前，我们需要先了解一些必要的概念。首先，我们需要掌握一些基本的lua函数调用的方法。例如，我们可以使用luaL_newstate函数来创建一个新的lua_State结构体，这个结构体是在C语言和Lua之间进行通信的桥梁。同时，我们也需要掌握luaL_openlibs函数，它可以打开Lua的标准库，以便我们可以在C语言中使用Lua的函数。

02

前端国际化：懒人必备的自动翻译

我们这里讲的自动翻译指的是机器翻译，虽然机器翻译未必准确，但在它可以帮助我们快速实现原型，这在项目初期确实能很大地提升开发效率。

04

【工大SCIRLab】EMNLP 2019 跨语言机器阅读理解

论文名称：Cross-Lingual Machine Reading Comprehension

01

ICLR 2022 | 减少跨语言表示差异，字节跳动AI Lab通过流形混合增强跨语言迁移

机器之心发布字节跳动人工智能实验室、加利福尼亚大学圣塔芭芭拉分校字节跳动人工智能实验室和加利福尼亚大学圣塔芭芭拉分校的研究者提出了跨语言流形混合（X-Mixup）方法为目标语言提供 “折衷” 的表示，让模型自适应地校准表示差异。此方法不仅显著地减少了跨语言表示差异，同时有效地提升了跨语言迁移的效果。基于多语言预训练语言模型（比如 mBert、XLM-R 等），各种跨语言迁移学习方法取得了不错的迁移效果，但其中许多目标语言的性能仍然远远落后于源语言。字节跳动人工智能实验室和加利福尼亚大学圣塔芭芭拉分校通

01

业界 | 微软提出新型通用神经机器翻译方法，挑战低资源语言翻译问题

作者：Hany Hassan Awadalla 机器之心编译参与：Nurhachu Null、路近日微软发布博客，提出一种半监督通用神经机器翻译方法，解决低资源语言机器翻译的问题，帮助解决方言和口语机器翻译难题。该研究相关论文已被 NAACL 2018 接收。机器翻译已经成为促进全球交流的重要组成部分。数百万人使用在线翻译系统和移动应用进行跨越语言障碍的交流。在近几年深度学习的浪潮中，机器翻译取得了快速进步。微软研究院近期实现了机器翻译的历史性里程碑——新闻文章中英翻译达到人类水平。这一当前最优

06

要传播“信息”而不是“病毒”！程序员借助AI，用500多种语言翻译“洗手”

人类传递信息的载体是语言，不同语言之间的交流靠的是翻译，比如世卫组织在疫情防控中，在官网上发布了一个公告，号召大家勤洗手以预防感染。

02

清华刘洋《基于深度学习的机器翻译》，突破知识整合、可解释和鲁棒性三大难关

因为人类的语言不通，《圣经》故事中的“巴别塔”没能建成，以失败告终。如何打破人类语言之间的屏障，也成为了人类一直希望解决的问题。

03

Transformers 4.37 中文文档（四十九）

免责声明：分词器的默认行为已在 2023 年 4 月修复并更改。之前的版本在目标和源分词序列的末尾都添加了 [self.eos_token_id, self.cur_lang_code]。这是错误的，因为 NLLB 论文提到了 (第 48 页，6.1.1. 模型架构)：

01

首次赢得WMT机器翻译大赛，Meta证明单个多语言模型强于双语模型

Meta 提出的单个多语言模型，首次超过最佳双语模型，赢得了著名的 WMT 竞赛。

04

【干货】关于数据科学的十本好书

《Python Machine Learning》 Python 是建议数据科学家应该学习的最顶尖的语言，掌握这种技能协商薪水时能得到更多。对任何数据科学家，特别是有抱负的数据科学家，或想要把 Pyt

07

SOTA又换庄家！谷歌130亿参数多语言模型mT5重磅来袭，101种语言轻松迁移

前几天，Facebook发了一个百种语言互译的模型M2M-100，这边谷歌着急了，翻译可是我的老本行啊。

03

现有模型还「不懂」自然语言：20多位研究者谈NLP四大开放性问题

采访实录：https://docs.google.com/document/d/18NoNdArdzDLJFQGBMVMsQ-iLOowP1XXDaSVRmYN0IyM/edit

02

《架构整洁之道》第 25 章层次与边界

人们习惯将系统分为三个组件：UI，业务逻辑，和数据库。对于一些简单的系统来说，三个就够了，但是稍微复杂一点的系统组件就不止这三个了。

01

Facebook最新语言模型XLM-R：多项任务刷新SOTA，超越单语BERT

Facebook AI近日发布一个名为XLM-R的新模型，使用100种语言、2.5 TB文本数据进行训练，在四项跨语言理解基准测试中取得了迄今最好的结果。

01

ACMMM 2022 | 首个针对跨语言跨模态检索的噪声鲁棒研究工作

虽然目前传统的跨模态检索工作已取得了巨大的进展，但由于缺少低资源语言的标注数据，这些工作通常关注于高资源语言（比如英语），因此极大地限制了低资源语言在该领域的发展。为了解决这一问题，作者针对跨语言跨模态检索任务（CCR）展开了研究，该任务旨在仅使用人工标注的视觉-源语言（如英语）语料库对模型进行训练，使其可以适用于其他目标语言（非英语）进行评估【如下图所示】。

02

人大团队研究：面向文本生成，预训练模型进展梳理

作者 | 刘媛媛来源 | 数据实战派文本生成是 NLP 中最重要且颇具挑战性的任务之一。近年来，预训练语言模型 (Pretrained Language Models ，下文简称 “PLM”) 的范式，极大地推动了该领域的发展。例如，我们曾介绍过 AI 在古诗生成上的突破《清华团队最新成果：可致特朗普能咏比特币，AI 写古诗 “更上一层楼”》。最近，一项由中国人民大学团队完成的预印本论文 Pretrained Language Models for Text Generation: A Survey，

01

【Facebook AI && 含源码】有史以来第一个赢得WMT的多语言模型

相信大家在阅读paper时都会或多或少的用到Google、百度、有道等翻译软件，你可能会发现近几年的翻译准确率变高了。其实这都得益于深度学习在机器翻译这一领域快速的发展和应用。在机器翻译（MT）研究领域中，构建一个通用的翻译系统来帮助每个人更好的获取信息和交流是其研究的终极目标。但是目前MT领域研究首先要做的是解决基本的问题，才能使未来成为现实。

01

LLM时代NLP研究何去何从？一个博士生的角度出发

最近，大语言模型（LLMs）在许多任务上表现出接近人类水平的性能，这引发了行业兴趣和资金投入的激增，有关LLMs的论文最近也层出不穷。

02

资源 | FAIR & NYU开发XNLI语料库：15种语言（含低资源语言）

项目地址：https://github.com/facebookresearch/XNLI

03

NAACL 2019自然语言处理亮点

【导读】NAACL是自然语言处理领域的顶会，今年NAACL于6月2日至7日于Minneapolis,MN 召开，本文梳理了NAACL2019的亮点。

03

【数据集】开源 | XL-Sum，一个全面和多样化的数据集，包括来自BBC的100万专业注释的文章-摘要对，涵盖44种语言

论文地址： http://arxiv.org/pdf/2106.13822v1.pdf

01

Meta 开源早期 AI 翻译工具支持 200 种语言

Meta 创建了一个能够翻译 200 种不同语言的人工智能模型，包括许多目前商业工具不支持的语言。Meta 正在开源该项目，希望其他人能够在其工作的基础上进行开发。

01

QQ HD自带防撤回

应用信息资源名称：QQ HD 资源平台：安卓手机应用资源大小：34.2M 资源版本：V5.8.0.3175 资源类型：免费资源资源语言：简体中文推荐指数：★★★★★ 应用介绍此软件自

03

浅析大规模多语种通用神经机器翻译方法

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-解码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，也就是通过只训练一个模型就能够支持在多个语言之间的翻译。

01

40种语言、9项推理任务，谷歌发布新的NLP基准测试XTREME

全世界约有6900种语言，但大多数并没有英语这种数据规模，这也导致大多数的NLP基准仅限于英文任务，这大大制约了自然语言处理的多语言发展。

01

别学什么土味情话了，唐诗才能帮你撩到女神

小程序体验师：吴慧娟这两年诗词节目突然走进了大众的视野。从《中国诗词大会》到《经典咏流传》，高收视和热点话题的频繁出现，重燃了大家对诗词的热爱和关注。值得欣慰的是，诗词不再是为了中、高考的不得已而为之，而是越来越多人打心眼儿里喜欢的文字艺术。其实不必以诗句论输赢，轻吟浅唱的背后，凝聚的是中华上下五千年的文化精髓。无论是想要翻阅诗词陶冶情操，还是浏览古今风雅名篇，都能使用这个小程序—「诗词名篇」。打开「诗词名篇」首页，古今诗词佳句随机罗列在眼前，点开「名句」中的任意一句诗，可以查看诗句原文，查看「翻

03

引论

局部优化：常量合并、公共子表达式的提取等循环优化：强度削减（较快操作代替较慢操作）、代码外提（循环不变量提出循环）

04

NLP被英语统治？打破成见，英语不应是「自然语言」同义词

自然语言处理（Natural Language Processing，NLP）领域的发展取决于语言资源的存在：书面、口头或手语的数字化资源集合，通常会带有高级的标签或者注释，反映了NLP系统对当前任务的预期输出（例如，语音识别系统的高级文本或者对话系统中高标准用户的意向标签，如Siri、Alexa或Google Home等）。无监督、弱监督、半监督或远程监督的机器学习技术降低了对标记数据的总体依赖性，但即使使用了这些算法，也还需要有足够的标记数据来评估系统的性能，并且通常需要更多的未标记数据集来支持需要大量数据的机器学习技术。

00

CALMS：多语言摘要中的信息抽取与共享 | ACL 2021 Findings

在快节奏的生活中，人们往往没有耐心阅读长篇大论，而是希望能够通过简短的文字迅速掌握文章的重点信息，从而判断是否有必要详细阅读。因此不管是在新闻推送还是在论文撰写，为文章提取一个简明扼要的摘要都是十分重要的。以往这项工作都是由文章作者或者专门的编辑进行，而现在，人们可以通过 AI 模型自动为文章提供摘要，大大解救了为总结全文而绞尽脑汁的作者编辑们。

06

元宇宙中可跨语种交流！Meta 发布新语音模型，支持128种语言无障碍对话

语言交流是人类互动一种自然的方式，随着语音技术的发展，我们可以与设备以及未来的虚拟世界进行互动，由此虚拟体验将于我们的现实世界融为一体。

01

面对内容理解的准确性和效率问题，Facebook是这样利用自我监督技术的

AI 科技评论按，在各种社交平台上，经常会出现一些违规的内容，如恐怖视频、侮辱性的言语等。如何将这些内容识别出来并进行处理对平台健康良好的运作具有重大意义。近日，Facebook 人工智能研究院发表了一篇博文，探讨了这个问题。AI 科技评论编译整理如下文。

02

Deadline提前，引入滚动审稿，想投ACL 2022的同学要抓紧了

ACL 2021 还没结束，2022 年的征稿通知和 deadline 就已经来了。

04

19年NAACL纪实：自然语言处理的实用性见解 | CSDN博文精选

计算语言：人类语言技术学会北美分会2019年年会（North American Chapter of the Association for Computational Linguistics: Human Language Technologies/NAACL- HLT）于6月2至7日美国明尼阿波利斯举办。NAACL- HLT是A级同行评审会议，是继计算语言学协会（ACL）会议之后，计算语言学界的又一重要事件，即自然语言处理（NLP）。

02

张霄军：机器翻译十问十答

本文探讨了机器翻译的十个问题，包括什么是机器翻译，机器翻译的发展历程，机器翻译的技术难题，机器翻译的评价标准，实验室和实用系统的区别，基于规则与基于统计的机器翻译，机器翻译的伦理问题，以及译员是否需要学习CAT等。作者认为，机器翻译的评价标准需要重新审视，不能仅仅依靠BLEU得分，而应该结合具体应用场景和目标来进行评估。同时，译员应该积极学习并掌握CAT技术，提高自己的翻译效率和质量。

05

模型A：幸亏有你，我才不得0分，模型B：俺也一样

琳琅满目的乐高积木，通过一块又一块的叠加，可以创造出各种栩栩如生的人物、景观等，不同的乐高作品相互组合，又能为爱好者带来新的创意。

01

【深度学习Attention详解】记忆力与注意力机制讲义，复旦邱锡鹏老师《神经网络与深度学习》教程系列分享04（附pdf下载）

【导读】复旦大学副教授、博士生导师、开源自然语言处理工具FudanNLP的主要开发者邱锡鹏（http://nlp.fudan.edu.cn/xpqiu/）老师撰写的《神经网络与深度学习》书册，是国内为数不多的深度学习中文基础教程之一，每一章都是干货，非常精炼。邱老师在今年中国中文信息学会《前沿技术讲习班》做了题为《深度学习基础》的精彩报告，报告非常精彩，深入浅出地介绍了神经网络与深度学习的一系列相关知识，基本上围绕着邱老师的《神经网络与深度学习》一书进行讲解。专知希望把如此精华知识资料分发给更多AI从业者，

08

NLP机器翻译全景：从基本原理到技术实战全解析

机器翻译，作为自然语言处理的一个核心领域，一直都是研究者们关注的焦点。其目标是实现计算机自动将一种语言翻译成另一种语言，而不需要人类的参与。

02

【NLP】四万字全面详解 | 深度学习中的注意力机制（二）

目前深度学习中热点之一就是注意力机制（Attention Mechanisms）。Attention源于人类视觉系统，当人类观察外界事物的时候，一般不会把事物当成一个整体去看，往往倾向于根据需要选择性的去获取被观察事物的某些重要部分，比如我们看到一个人时，往往先Attend到这个人的脸，然后再把不同区域的信息组合起来，形成一个对被观察事物的整体印象。

04

观点 | MSRA副院长周明：未来5到10年是NLP的成熟期

机器之心原创作者：虞喵喵「接下来，NLP 将迎来 60 多年来发展最迅速的时期。」 6 月 1 日，在微软亚洲研究院（MSRA）的自然语言处理（NLP）主题沟通会上，副院长周明博士以《自然语言处理

Meta 开源首个 AI 语音翻译系统，闽南话和英语可以直接语音互译！

作者 | 李梅编辑 | 陈彩娴机器翻译是现今人类消除语言障碍、重建巴别塔的新工具。然而，在世界现存的 7000 多种已知语言中，许多低资源语言还未得到足够的关注，尤其是有近一半的语言没有标准的书面系统，这是构建机器翻译工具的一大障碍，所以目前 AI 翻译主要集中在书面语言上。在利用 AI 推动自然语言翻译这件事上，Meta 一直致力于“No Language Left Behind”（没有一种语言被落下）的目标。比如汉语方言之一闽南话，现在也有了专属的机器翻译系统，讲闽南话的人可以与讲英语的人进行无

03

使用 Kotlin 构建的常见问题解答 | Kotlin 迁移指南 (下篇)

今年五月份的 Google I/O 上，我们正式向全球宣布 Kotlin-first 的这一重要理念，Kotlin 将成为 Android 开发者的首选语言，十月份举办的 Android Dev Summit 2019 大会上，我们发布了使用 Kotlin API 开发的 Jetpack Compose 开发者预览版。

02

窥一斑而知全豹，三篇论文遍历ICLR 2020新型表征方式

前段时间，我刚刚写过一个 CVPR 2020 中的表征学习进展，当时主要的着重点以及启发点是在如何改进表征方式的通用性，今天这篇文章则着重于介绍几种新型的表征方式，以了解几种表征方式的需求以及改进方向，从而在创新表征方式时可以有一定的方向。本文主要介绍的是表征方式，所以论文中跟表征方式无关的内容不会被涉及，如果对整体解决方案感兴趣可以再移步原论文去了解更完整地方案。

03

WEB安全性测试

所谓SQL注入，就是通过把SQL命令插入到Web表单提交或输入域名或页面请求的查询字符串，最终达到欺骗服务器执行恶意的SQL命令。具体来说，它是利用现有应用程序，将（恶意）的SQL命令注入到后台数据库引擎执行的能力，它可以通过在Web表单中输入（恶意）SQL语句得到一个存在安全漏洞的网站上的数据库，而不是按照设计者意图去执行SQL语句。[1] 比如先前的很多影视网站泄露VIP会员密码大多就是通过WEB表单递交查询字符暴出的，这类表单特别容易受到SQL注入式攻击

04

什么是"零宽空格"？

同事问了个问题，从邮件正文中粘出来的URL，复制到任何的浏览器中，回车都会报404的错，和原始的URL对比，发现URL结尾多了一串特殊的字符，

03

Facebook最新对抗学习研究：无需平行语料库完成无监督机器翻译

【新智元导读】Facebook试图将机器翻译的成功扩展到低资源语言对，研究了在没有任何平行数据的情况下，实现无监督的机器翻译。他们提出的模型有效地学习了在不使用任何标记数据的情况下进行翻译。论文下载链接：https://arxiv.org/pdf/1711.00043.pdf 原文来源：arxiv 作者：Guillaume Lample、Ludovic Denoyer、Marc’Aurelio Ranzato 「雷克世界」编译：嗯~阿童木呀、多啦A亮相信大家都知道，最近在机器翻译领域取得了令人印象深刻的

05

专栏 | 微软研究院：NLP将迎来黄金十年

NLP是人工智能领域中的重要一环，NLP的进步将推动人工智能的发展。在过去的二十年里，NLP利用机器学习和深度学习的研究成果，在很多方面取得了长足的进步。未来十年，将是NLP发展的黄金时期。本文中，微软亚洲研究院自然语言计算组的研究员们将为我们盘点NLP已经取得技术进展，并展望未来的研究热点。

03

ICLR 2022 | 字节提出：switch-GLAT，多语言非自回归机器翻译模型

作者丨宋珍巧 1 简介多语言机器翻译旨在用一个模型实现多语向的翻译功能，从而可以减少线上需求的模型数量，同时提升低资源语言的翻译性能。目前已有的多语言模型大多基于 Transformer 建模，受限于翻译性能和推理速度。基于该问题，字节跳动人工智能实验室在 "switch-GLAT: Multilingual Parallel Machine Translation via Code-Switch Decoder" 这篇论文中提出一个叫做 switch-GLAT 的非自回归多语言翻译模型。给定一个源语言

01

综述 | 跨语言自然语言处理论文汇总

跨语言自然语言处理是当下研究的热点。其中，跨语言词向量（Cross-lingual Word Embedding）可以帮助比较词语在不同语言下的含义，同时也为模型在不同语言之间进行迁移提供了桥梁。[Ruder et al., 2017] 详细描述了跨语言词向量学习方法和分类体系，将跨语言词向量按照对齐方式分为了基于词对齐、基于句子对齐、基于文档对齐的方法。其中基于词对齐的方法是所有方法的核心和基础。在基于词对齐的方法中，又有基于平行语料的方法，基于无监督的方法等。近些年，无监督方法成为研究热点。本文主要记录一些跨语言词向量的相关论文。

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭