神经网络机器翻译Neural Machine Translation(4): Modeling Coverage & MRT

最新推荐文章于 2022-07-03 16:42:37 发布

原创最新推荐文章于 2022-07-03 16:42:37 发布 · 4.7k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #NMT #MRT #机器翻译

机器翻译专栏收录该内容

6 篇文章

订阅专栏

本文简要介绍了Zhaopeng tu等人在ACL 2016上的工作，关于在神经机器翻译中引入覆盖度模型以及Shiqi Shen等人关于最小风险训练的论文。这两项研究旨在提高NMT的翻译质量和避免重复问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

端到端的神经网络机器翻译（End-to-End Neural Machine Translation）是近几年兴起的一种全新的机器翻译方法。前面介绍了NMT的基本RNN Encoder-Decoder结构以及Attention Mechanism。但是传统的NMT还存在一些不足之处，为此，研究者展开了一系列的工作

转载请注明出处：http://blog.youkuaiyun.com/u011414416/article/details/51567254

本文将简要介绍如下工作：
Zhaopeng tu, Zhengdong Lu, Yang Liu, Xiaohua Liu and Hang Li. Modeling Coverage for Neural Machine Translation. In ACL 2016 (Long Paper).

Shiqi Shen, Yong Cheng, Zhongjun He, Wei He, Hua Wu, Maosong Sun and Yang Liu. Minimum Risk Training for Neural Machine Translation. In ACL 2016 (Long Paper).

本文不讨论具体的NMT网络设置、训练细节、详细的结果等等，如果要深入钻研具体的工作，还请查阅论文原文。此外，由于ACL 2016只出了收录结果，论文集还未放出，本文参考的相关论文都是各作者挂在arXiv上的版本。