OOV问题-论文笔记《Neural Machine Translation of Rare Words with Subwords Units》- ACL2016

这篇论文探讨了如何使用BPE算法解决神经机器翻译中的OOV问题,通过发现介于单词和字符之间的词根来减少词汇表大小,提高模型效率。文中还比较了两种不同的BPE应用方法:独立学习源和目标语言的编码以及联合学习编码,并提出了在子词单元级别进行注意力机制操作的创新点。

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

原论文链接: https://arxiv.org/abs/1508.07909

参考paperweekly关于分词的一个总结:https://zhuanlan.zhihu.com/p/22700538

这篇文章主要解决的问题是OOV(Out of Vocabulary)问题,最小粒度介于word和character之间,利用BPE算法进行分词。

BPE算法的主要实现如图:

import re, collections

def get_stats(vocab):
	pairs = collections.defaultdict(int)
	for word, freq in vocab.items():
		symbols = word.split()
		for i in range(<
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