【机器翻译】第41页

noip2010T1机器翻译题解

【问题描述】小晨的电脑上安装了一个机器翻译软件，他经常用这个软件来翻译英语文章。这个翻译软件的原理很简单，它只是从头到尾，依次将每个英文单词用对应的中文含义来替换。

Ostmbh·2020-08-17 18:42

Seq2seq模型、机器翻译学习笔记

Seq2seq模型当输入和输出都是不定长序列时，可以使⽤编码器—解码器（encoder-decoder）或者seq2seq模型。这两个模型本质上都⽤到了两个循环神经⽹络，分别叫做编码器和解码器。编码器⽤来分析输⼊序列，解码器⽤来⽣成输出序列。图中描述了使⽤编码器—解码器将英语句⼦翻译成法语句⼦的⼀种⽅法。在训练数据集中，可以在每个句⼦后附上特殊符号“”（endofsequence）以表⽰序列的终⽌

zhangycode·2020-08-17 17:17

COMS W4705: Natural Language Processing学习笔记(一)

MachineTranslation(机器翻译)，InformationExtraction(信息提取),TextSummarization(文本归纳)，DialogueSystems(对话系统)最基本的

黑暗贤者·2020-08-17 13:02

机器翻译重要过程(3)---抽取短语

上一步通过GIZA++进行词语对齐，我们得到了对应的中英文词对，在此基础上我们就可以进行第三个重要过程了，即抽取短语。短语抽取是短语翻译表构造的第一步，而短语翻译表是翻译系统解码器的要使用到的最重要组件之一，所以抽取短语这一步意义非常大。示例：上图展示了从含有词对齐信息的双语平行句对（上方图所示）中抽取的短语对（中下方的“示例短语”所示）。从图中可以看出，理想情况下我们从平行对齐句对中，抽取出的是

iteye_2022·2020-08-17 12:31

RNN-循环神经网络-吴恩达读书笔记

序列模型在机器翻译、文本生成、DNA碱基序列分

醉卧疆场·2020-08-17 11:29

深度学习笔记（20）端到端学习

深度学习笔记（20）端到端学习1.端到端的深度学习概念2.语音识别的端到端学习3.人脸识别的端到端学习4.机器翻译的端到端学习5.非端到端6.端到端的优缺点7.端到端的关键问题1.端到端的深度学习概念深度学习中最令人振奋的最新动态之一就是端到端深度学习的兴起简而言之

氢键H-H·2020-08-17 01:43

深度神经网络在NLP的应用！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：张泽，华东师范大学，Datawhale优秀学习者深度学习正在给自然语言处理带来巨大的变革，例如机器翻译，情感分析

Datawhale·2020-08-16 23:11

Coursera课程自然语言处理(NLP)笔记整理(六) （第四周课程）

文章目录1.MachineTranslation机器翻译1.1.学习目标1.2.概览1.3.向量变换1.3.1.F范数1.3.2.梯度的计算2.哈希表Hashtables2.1.localitysensitivehashing2.1.1

豆沙粽子好吃嘛!·2020-08-16 19:33

什么样的机器翻译比Google还要占优？ | 硬创公开课

今天，我们邀请到了商鹊网CEO邹剑宇，以实战经验为我们解读，什么样的机器翻译比Google还要占优？雷锋网嘉宾介绍：邹剑宇。商鹊网创始人及首席执行官。中国第一代互联网记者。1997-

weixin_34313182·2020-08-16 16:43

参与微软Docs翻译

上一篇博客介绍了MLCP的翻译内容，本次介绍如果参与微软Docs翻译，微软Docs是微软的技术文档网站，里边有各种产品技术的文档说明介绍，但是里边的内容多是机器翻译的，所以翻译效果不是很好，因为微软开放了编辑翻译功能

二月十六·2020-08-16 14:44

Quality-Estimation1 (翻译质量评价-复现 WMT2018 阿里论文结果)

简介翻译质量评价（QualityEstimation,QE）是机器翻译领域中的一个子任务，大致可分为Sentence-levelQE，Word-levelQE，Phrase-levelQE，详情可参考WMT

涛涛不绝蕾蕾于冬·2020-08-16 10:35

pytorch实现task4——机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer

机器翻译机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。主要特征：输出是单词序列而不是单个单词。输出序列的长度可能与源序列的长度不同。

xh6312643·2020-08-16 10:57

Attention机制学习笔记

注意力机制注意力机制（attentionmechanism）是机器学习中的一种处理数据的方法，广泛应用于多种单模态、多模态任务中，比如：计算机视觉领域中的目标检测，图像分割等任务，自然语言处理领域中的机器翻译

 ·2020-08-16 09:41

图文并茂解释Transformer--The Illustrated Transformer翻译精简

概览:以机器翻译任务来示例，

顶峰猛跑的H·2020-08-16 08:32

AI基础：图解Transformer

谷歌的Transformer模型最早是用于机器翻译任务，当时达到了SOTA效果。Transformer改进了RNN最被人诟病的训练慢的缺点，利用self-attention机制实现快速并行。

风度78·2020-08-16 06:27

循环神经网络实例4：处理Seq2Seq任务

在生活中会有很多符合这样特性的例子：前面的语言模型、语音识别例子，都可以理解成一个Seq2Seq的例子，类似的应用还有机器翻译、词性标注、智能对话等。

CopperDong·2020-08-16 05:08

如何用PaddlePaddle实现机器翻译？

机器翻译（machinetranslation,MT）是用计算机来实现不同语言之间翻译的技术。

飞桨PaddlePaddle·2020-08-16 05:36

Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer学习笔记

机器翻译和数据集机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。主要特征：输出是单词序列而不是单个单词。

Mufengfengfeng·2020-08-16 05:28

Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer

lytxiaohou·2020-08-16 05:07

学习Transformer（The Illustrated Transformer）

注意力是一个有助于提高神经机器翻译（neuralmachinetranslation）应用程序性能的概念。

BruceCheen·2020-08-16 04:41

【转】图解Transformer，一文读懂self-attention

illustrated-transformer/https://blog.csdn.net/qq_41664845/article/details/84969266前言Attention这种机制最开始应用于机器翻译的任务中

zhidao_wenge·2020-08-16 04:08

揭秘美国驻非洲突击队的秘密世界

2020年8月10日本文为机器翻译，原文见：http://atavist.mg.co.za/inside-the-secret-world-of-us-commandos-in-africa#chapter

YanJC·2020-08-15 23:21

关于端到端文本生成中的稀疏词与未登录词问题的探讨

本文以Encoder-Decoder的端到端文本生成任务，神经机器翻译（NMT）或生成式对话（Chat-bot）为研究对象，并基于此进行探讨。Encoder-Decoder是一个十分适合于处理端到端文

暴躁的猴子·2020-08-15 14:12

【2019斯坦福CS224N笔记】（6）RNN和与语言模型

语言建模是许多NLP任务的子组件，特别是那些涉及生成文本或估计文本概率的任务：预测输入、语音识别、手写识别、拼写/语法修正、身份识别、机器翻译

kaijie234·2020-08-15 13:31

【CS224n】笔记8 RNN和语言模型

或者在机器翻译的问题中：在翻译"猫很小"时，单词的语序问题中我们会使概率P(thecatissmall)>P(smalltheiscat);在翻译"放学后走回家"时，单词的选择问题中我们会使概率P(walkinghomeafterschool

20%橙小鱼·2020-08-15 13:48

自然语言处理——语言模型(一)

在机器翻译领域，语言模型可以把后者修正为前者这种通畅的表达。那语言模型是如何判断哪个句子

愤怒的可乐·2020-08-15 09:22

纪念机器翻译概念的诞生：重新认识瓦伦·韦弗先生

编者按：这篇文章来自智源青年科学家、中科院自动化所张家俊，主要内容是通过回顾“机器翻译”概念提出者瓦伦·韦弗的研究生涯，介绍了机器翻译诞生的来龙去脉，包括他和信息论提出者香农、控制论维纳等科学巨匠的交集

BAAIBeijing·2020-08-15 05:50

三千年前的古文字被AI破译，MIT和谷歌开发失传语言的机器翻译系统

大数据文摘出品编译：刘俊寰1886年，英国考古学家亚瑟·伊万斯偶然间发现了一块刻印着未知语言的石头。得知这块石头来源于地中海的克里特岛后，伊万斯立马动身前往此处以搜寻更多证据。在那里，他马上就发现了许多笔迹相似的石碑，这些石碑能追溯到公元前1400年左右，这些刻字也就成为目前发现的最早的书写形式之一。伊万斯表示，这种线形形式是从早期艺术中粗糙的线条画演变而来，在语言史上占有重要地位。伊万斯等人后来

BigDataDigest·2020-08-15 01:13

中文分词入门之最大匹配法

中文分词在中文信息处理中是最最基础的，无论机器翻译亦或信息检索还是其他相关应用，如果涉及中文，都离不开中文分词，因此中文分词具有极高的地位。

pdssunny·2020-08-14 18:11

搜索引擎之中文分词实现（java版）

分词技术在搜索引擎，信息提取，机器翻译等领域的重要地位与应用就不敖述了。

congji3817·2020-08-14 09:35

Neural Machine Translation of Rare Words with Subword Units翻译

摘要神经机器翻译（NMT）模型通常以固定的词汇量运行，但是翻译是一个开放词汇的问题。先前的工作通过退回到字典来解决词汇外单词的翻译。

nopSled·2020-08-14 07:35

NOIP2010解题报告

题目链接：T1机器翻译T2乌龟棋T3关押罪犯T4引水入城题解：一套不算太难的NOIP题目。第一题直接暴力模拟队列的工作即可。

morestep·2020-08-14 07:17

Word Embedding News | 词嵌入新鲜事：COVID-19特刊

本期关注wordembedding在COVID-19中的应用：机器翻译：如何将“Washyourhands”翻译成500多

PaperWeekly·2020-08-14 00:13

项目实战（六） - - 机器翻译（一）Seq2Seq

项目实战（六）--机器翻译（一）Seq2Seq1.任务概述2.算法流程3.代码实现与解析1.任务概述实现英文句子翻译成中文句子，除了机器翻译，seq2seq其实可以用在很多地方，例如自动对话机器人，文档摘要自动生成

布拉拉巴卜拉·2020-08-13 18:57

Andrew Ng Deep Learning 第五课第三周

AndrewNgDeepLearning第五课第三周前言序列模型和注意力机制seq2seq模型描述机器翻译beam搜索beam搜索改进beam搜索的误差分析bleu得分注意力模型图片描述语音辨识触发字检测编程作业课后选择题前言网易云课堂

未知丶丶·2020-08-13 18:32

win10下安装TensorFlow

tensorflowtensorflow是谷歌发布的开源框架，涉及到自然语言处理，机器翻译，图像描述，图像分类等一系列技术。

明日盈盈11·2020-08-12 14:27

一文读懂Attention：Facebook曾拿CNN秒杀谷歌，现如今谷歌拿它秒杀所有人

不久前，Google基于Attention机制的机器翻译研究“AttentionisAllYouNeed”赚足了眼球。

zhuiqiuk·2020-08-12 14:05

Encoder-Decoder两大Attention机制解释

Seq2Seq可以解决文本序列生成的任务：机器翻译和自动摘要生成等。Seq2Seq由Encoder和

酸辣螺丝粉·2020-08-12 14:05

详解从 Seq2Seq模型、RNN结构、Encoder-Decoder模型到 Attention模型

seq2seq可以用在很多方面：机器翻译、QA系统、文档摘要生成、ImageCaptioning(图片描述生成器

iTensor·2020-08-12 14:59

Transformer的原理解析、理解

Transformer是为了解决序列传导问题或神经网络机器翻译而设计的，意味着任何需要

wenjieh_chen·2020-08-12 14:16

基于Encoder-Decoder模式的机器翻译模型原理及实现

基于Encoder-Decoder模式的机器翻译模型原理及实现理论背景代码实现关键词:Encoder-Decoder,LSTM,WordEmbedding在机器学习领域，有很多任务是把一种样式的序列映射成另外一种样式的序列

JackMeGo·2020-08-12 12:37

自然语言的机器翻译 ai_我如何使用AI翻译500种语言的“洗手”

自然语言的机器翻译ai您可能不知道，但是目前世界上有7,117种语言在使用。不是方言，而是生活语言！

cumo7370·2020-08-12 11:50

Transformer详解

Transformer在机器翻译任务上的表现超过了RNN，CNN，只用encoder-decoder和attention机制就能达到很好的效

深圳湾刘能·2020-08-12 10:46

Encoder-Decoder模型和Attention模型

是深度学习中非常常见的一个模型框架，比如无监督算法的auto-encoding就是用编码-解码的结构设计并训练的；比如这两年比较热的imagecaption的应用，就是CNN-RNN的编码-解码框架；再比如神经网络机器翻译

生活不只*眼前的苟且·2020-08-12 10:31

洛谷1540 机器翻译

题目假设内存中有M个单元，每单元能存放一个单词和译义。每当软件将一个新单词存入内存前，如果当前内存中已存入的单词数不超过M-1，软件会将新单词存入一个未使用的内存单元；若内存中已存入M个单词，软件会清空最早进入内存的那个单词，腾出单元来，存放新单词。题解明明是蠢蠢的模拟，可是我提交了5遍才对因为数据真的很小，所以直接用s存放了哪些数，然后再弄一个头指针和一个尾指针，满了就把头指针右移，每读入一个s

yjy_aii·2020-08-12 00:18

P1540 机器翻译

本题考的是考虑曲折情况的能力（注意细读题，特别测试用例的使用方法）先描述一下题干，然后粘贴出AC代码；题目背景小晨的电脑上安装了一个机器翻译软件，他经常用这个软件来翻译英语文章。

xizi_ghq·2020-08-12 00:14

transformer算法详解

自从2017年6月份《Attentionisallyouneed》论文作为机器翻译算法提出后，transform已经逐步替代了以CNN和RNN为首的特征抽取，特别是2018年bert一

listwebit·2020-08-12 00:44

洛谷 p1540 机器翻译

思路：创建两个数组，一个是文章，一个是内存，将文章中的每个单词与内存中的所有单词比较，相等即不需要查单词。用变量a改变循环起始位置来进行数组移动#include#includeusingnamespacestd;intmain(){intm,n;cin>>m>>n;intpassage[1000],memory[2000];//memory[2000]={0}只能快速赋值为0，不能全部赋值-1.否

wtl_bupt·2020-08-12 00:33

几十年的领域专家告诉你，机器翻译进化到哪一步了？

https://www.toutiao.com/a6669001707227185668/如果你是英语四级或六级的水平，同样翻几句话，现在的机器翻译有可能比人要翻的好。

喜欢打酱油的老鸟·2020-08-12 00:04

自然语言处理入门（1）——文本相似度计算

2019独角兽企业重金招聘Python工程师标准>>>文本相似度计算在信息检索、数据挖掘、机器翻译、文档复制检测等领域有着广泛的应用。文本相似度常用的计算方法有TF-IDF、LSI、LDA等。

weixin_34059951·2020-08-11 23:03

推荐频道

【机器翻译】