Matusov, E. 2019.The Challenges of Using Neural Machine Translation for Literature.European Association for Machine Translation:Dublin, Ireland. Maučec, M. S., and Donaj, G. 2019.Machine Translation and the Evaluation of ...
神经机器翻译(Neural Machine Translation, NMT)是一种先进的自然语言处理技术,它利用深度学习中的神经网络架构来实现自动化的源语言到目标语言的翻译。与传统的统计机器翻译(Statistical Machine Translation, SMT)相比,NMT具有以下特点和优势: 端到端学习:NMT系统通过一个单一的神经网络架构对整个翻译任务进行端到端的学...
Uncertainty-Aware Curriculum Learning for Neural Machine Translation 神经网络机器翻译(NMT)已被证明可以通过课程学习来促进,课程学习在不同的训练阶段以简单难的顺序呈现例子。关键在于数据难度和模型能力的评估。 将课程学习引入到机器翻译主要存在两个开放式问题: 1)数据难度评估 2)学习进度规划 现有工作将句子的长度...
介绍:针对“Neural machine translation by jointly learning to align and translate”提出的注意力机制进行改进,提出了全局注意力机制和局部注意力机制,以及将状态作为下一时刻的输入等策略。 下载链接: 3.3 MRT训练 1. Minimum Risk Training For Neural Machine Translation 关键词:MRT训练 介绍:这个思路非常类似于oc...
As can be seen in the chart above, SMT performs better in that NMT in some scenarios. Irrespective of translation technology, the highest quality translations are always produced bycustomizing machine translation for a purpose and domain.
1. Modeling Coverage for Neural Machine Translation 关键词:覆盖率;漏译;过译 下载链接:http://arxiv.org/abs/1601.04811 介绍:神经机器翻译存在过译(一些词被翻译多次)和漏译(一些词没有被翻译)问题。为了缓解这个问题,使用一个覆盖率向量来记录注意力历史,覆盖率向量作为注意力模型的输入用于调整后续的注意力,...
1. Modeling Coverage for Neural Machine Translation 关键词:覆盖率;漏译;过译 下载链接:http://arxiv.org/abs/1601.04811 介绍:神经机器翻译存在过译(一些词被翻译多次)和漏译(一些词没有被翻译)问题。为了缓解这个问题,使用一个覆盖率向量来记录注意力历史,覆盖率向量作为注意力模型的输入用于调整后续的注意力,...
近两年，神经网络机器翻译（Neural Machine Translation, NMT）技术异军突起，取得了翻译质量的大幅跃升。随着其翻译准确度的提升，在文化全球化的时代背景推动下，高度成熟的翻译技术或将开启第二次全球化的浪潮。而究竟是否达成推动，那么我们就需要来观察一下，到底NMT技术发展到了何种阶段，应用到了何种阶段，以及当前...
Data Collection - Script Generation Transformer based Seq2Seq# The Transformer-based encoder-decoder Neural Machine Translation models in Riva are based on theoriginal Transformer paper. The main modification is to use thepre-layernorm transformer variant. For more information, refer to theNeMo Machine...
本文总结了最近发表的论文「神经机器翻译的六大挑战(Six Challenges for Neural Machine Translation)」,并希望读者能看到神经机器翻译的不足和未来的发展方向。 该论文论述的神经机器翻译(NMT)六大挑战:领域误匹配、训练数据的总量、生僻词、长句子、词对齐和束搜索(beam search)。