NEURAL MACHINE TRANSLATION BY JOINTLY LEARNING TO ALIGN AND TRANSLATE

本文介绍了一种改进的神经机器翻译方法,该方法通过引入注意力机制和双向编码器来解决长句子信息丢失的问题。这种方法可以更好地捕捉源句子的结构,并在解码过程中动态调整关注焦点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

《Neural Machine Translation By Jointly Learning To Align And Translate》

通过标齐和翻译的联合学习实现神经机器翻译


1.背景

传统的编码器-解码器结构的神经机器翻译中,将句子的所有信息压缩到一个固定长度的向量中,当这个句子很长时,就会导致信息的丢失,也就是一个固定长度的向量不能很好表示句子的信息。这篇论文中通过注意力机制和双向编码对传统神经机器翻译进行了改进。

2.大体框架

2.1 编码器

利用一个双向的RNN对句子进行编码,前向RNN得到,反向RNN得到,将这两个组合起来作为隐藏状态的表示


2.2 解码器

利用注意力机制求得以每个词为中心情况下句子的不同表示(),在解码时将传统解码器的C替换为对应位置的


3.主要公式







论文链接:https://arxiv.org/abs/1409.0473v1

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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