NLP+机器翻译第23页

循环神经网络RNN概述

常用于语言识别、机器翻译、视频分析、生成图像描述等。RNN主要用于时序类数据（一般指文本类数据和音频类数据）的处理。

lovecode2008·2022-12-18 12:22

NLP学习笔记＜5＞Seq2Seq

5.3pytorch编写1.构建batch2.Seq2Seq3.训练模型4.测试模型5.预测结果的评估5.4小结5.5参考文档序列到序列（SequencetoSequence）模型是一种重要的语言生成框架，在机器翻译

Victory_Ego·2022-12-18 07:21

DietCode：TVM中新的动态Shape解决方案

‍‍近年来，随着深度学习领域动态shape推理场景激增，如机器翻译、语音识别等，针对动态shape模型的优化成为了热门研究议题。

Linux基金会AI&Data基金会·2022-12-16 19:56

对人工智能未来发展的思考

目前人工智能总体发展水平仍处于起步阶段，但是我们在生活中都能感受到人工智能带给我们的便利，比如机器翻译、智能家居以

AKin_GJ·2022-12-16 16:09

Python 3.1 通过百度transformer_zh-en翻译

Python3.1通过百度transformer_zh-en翻译提示：当前模型来源基于百度PaddlePaddle模型介绍2017年，Google机器翻译团队在其发表的论文AttentionIsAllYouNeed

wcuuchina·2022-12-16 00:32

北京博奥智源，浅谈术语管理服务器软件开发所需功能设计

计算机辅助翻译系统客户端软件（核心产品）▲1.系统采用C/S架构，支持Windows11操作系统，运行安全稳定，以计算机辅助翻译技术为核心，具备强大且稳定的记忆库搜索引擎，可以记录和存储翻译内容，创建和添加翻译记忆库、术语库、机器翻译引擎

高校网站建设群系统EduCMS·2022-12-15 08:28

（Attention is all you need）机器翻译模型Transformer代码详细解析（转）

mark一下，感谢作者分享！由于tensorflow版本升级，源代码会报错！File“/home/ashishkr/projects/python/transformer/modules.py”,line227,inmultihead_attentiontril=tf.contrib.linalg.LinearOperatorTriL(diag_vals).to_dense()#(T_q,T_k)

法相·2022-12-15 07:39

语言模型公式推导

语言模型公式推导句子的概率P(S)及n-gram语法模型bigram模型计算条件概率n-gram模型计算条件概率语言模型在信息检索、机器翻译、语音识别中承担着重要的任务。

luoyulai1987·2022-12-15 07:42

AI遮天传 DL-深度学习在自然语言中的应用

本文简要介绍一些深度学习在自然语言应用的基本任务，词表示，文本翻译和机器翻译。

老师我作业忘带了·2022-12-15 06:22

T5 模型：NLP Text-to-Text 预训练模型+数据清洗

T5模型：可以做文本分类，情感分析，机器翻译等等数据问题领域内的预训练数据可以增强下游任务。数据少时，模型会比较差。数据越大模型训练越好，时间也会越长。

Cchaofan·2022-12-15 05:23

python lstm 模型训练好后如何使用_【自然语言处理】的迁移学习：微调BERT来对垃圾邮件进行分类【含Python演示】...

随着深度学习的发展，递归神经网络(RNN和LSTM)和卷积神经网络(CNN)等神经网络结构已经完成了自然语言处理(NLP)的大部分任务，它在文本分类、语言建模、机器翻译等性能上都有了很大的提高。

weixin_39593744·2022-12-14 20:40

一篇文章把Self-Attention与Transformer讲明白

答：编码器-解码器（Encoder-Decoder）模型最初是由Cho等提出应用在机器翻译中。

风度78·2022-12-14 10:58

【ICLR2021】十三大主题100篇值得一读的NLP论文，还不安排上？

理论、模型与经验性分析：38篇问答与阅读理解：4篇知识图谱：4篇文本生成：9篇机器翻译：7篇对抗攻击：4篇文本分类：2篇信息抽取：4篇可解释性：1篇模型压缩与集成：4篇数据增强：2篇向量表示：12篇其他

zenRRan·2022-12-14 06:49

使用MindStudio进行mbart模型训练

以前的多语言预训练工作表明，机器翻译系统可以通过在咬文嚼字上进行微调来创建。在这项工作中，作者表明，多语言翻译模型可以通过多语言微调。

weixin_38239810·2022-12-13 16:28

图文详解Transformer

俯视Transformer本文以机器翻译为例，先整体来看Tranformer的结构，然后

谈笑风生...·2022-12-13 16:09

【NLP】Seq2Seq原理详解

很多自然语言处理任务，比如聊天机器人，机器翻译，自动文摘，智能问答等，传统的解决方案都是检索式(从候选集中选出答案)，这对素材的完善程度要求很高。se

马苏比拉米G·2022-12-13 10:19

Seq2Seq--原理

用途很广，机器翻译，自动摘要，对话系统，只要是序列对序列的问题都能来搞。

终极香蕉大菠萝·2022-12-13 10:49

NLP——Seq2Seq基本原理以及Attention改进

NLP——Seq2Seq基本原理以及Attention改进1、Seq2Seq的基本结构1.1、Seq2Seq引入Seq2Seq本身是从机器翻译中发展过来的，他的基本思想是设计一个符合序列输入的编码器，输入一个序列数据

隔壁的NLP小哥·2022-12-13 09:36

Seq2Seq + attention 模型原理、训练，以及编码过程

这个模型曾经使得谷歌翻译有较大幅度的提升，下面就以机器翻译为例子，来描述详述这个模型。注：学习此模型需要

Chen_Meng_·2022-12-13 09:05

Seq2Seq基本原理

Seq2Seq基本原理encoder&decoderSeq2Seq结构用于多个输入和多个输出的模型，但是输入和输出的大小可能并不一致，其本质上也是RNN网络的一个扩展，常见的应用场景包括：机器翻译、语音识别

在路上的工程师·2022-12-13 09:02

PyTorch入门学习-3.语言模型简介

1.语言模型概念语言模型可以对一段文本的概率进行估计，对信息检索，机器翻译，语音识别等任务有着重要的作用。

矜贵.·2022-12-12 16:04

PyTorch入门-语言模型

1.语言模型概念语言模型可以对一段文本的概率进行估计，对信息检索，机器翻译，语音识别等任务有着重要的作用。

lewjin·2022-12-12 16:33

注意力机制最新综述解读（last revised 12 Jul 2021）

我是BQ·2022-12-12 11:42

102个模型、40个数据集，这是你需要了解的机器翻译SOTA论文

机器之心原创作者：思源机器翻译，是一条漫漫长路；SOTA模型，都包含着作者们的深刻见解。机器翻译一直是非常吸引研究者的「大任务」，如果某些方法被证明在该领域非常有效，那么它很可能可以扩展到其它问题上。

喜欢打酱油的老鸟·2022-12-12 01:32

自学神经网络系列—— 10 循环神经网络 RNN

循环神经网络1简单循环神经网络2循环神经网络的常见应用2.1序列标注任务2.2分类预测任务2.3机器翻译3循环神经网络的参数学习3.1实时循环学习RTRL3.2随时间反向传播BPTT3.3梯度爆炸和梯度消失

ML_python_get√·2022-12-11 22:48

ChatGPT被玩坏了

它用于问答、文本摘要生成、机器翻译、分类、代码生成和对话AI。Chat

Crossin的编程教室·2022-12-11 18:45

MindSpore：自然语言处理（NLP）—分词技术

1.摘要本次我们将开始新的分享系列——自然语言处理（NLP），NLP可以被应用于很多领域：机器翻译、情感分析、智能问答、文本分类等等。本次我们将分享中文自然语言处理的一个重要技术：中文分词技术。

xi_xiyu·2022-12-11 09:31

注意力机制的解读

先看原始的机器翻译的模型左边的是编码器，右边的是解码器。什么意思呢？

TYP·2022-12-11 03:18

各类注意力机制的介绍 (Intra & Inter & Soft & Hard & Global & Local Attention)

传统神经机器翻译（NeuralMachineTranslation,NMT）模型普遍采用encoder-decoder结构，且encoder和decoder一般为RNN网络（如LSTM、GRU等）。

夏树让·2022-12-11 03:43

自然语言处理是什么？学习自然语言处理（NLP）

自然语言处理（简称NLP），是研究计算机处理人类语言的一门技术，，包括：句法语义分析、信息抽取、文本挖掘、机器翻译、问答系统、对话系统、信息检索。。

CXY小嵩·2022-12-10 16:17

Multi-Modal Knowledge Graph Construction and Application: A Survey

->解决问题方案：Multi-ModalKG，这可以更好地实现人类水平的机器翻译。

小学生R_rrr·2022-12-10 00:24

西湖大学张岳老师NLP课程先导

我们可以看到智能音箱、机器翻译、自动文摘、作文自动评分等等应用。越来越多的自然语言处理系统在工业界得到了应用。

奔腾使者·2022-12-09 08:31

【2020年高被引学者】张岳西湖大学

对于自然语言处理，致力于自然语言的解析和生成（尤其是英语和中文）以及机器翻译。2020年发表论文：39共发表论文：235论文引用数：5124关注作者及了

AMiner学术搜索和科技情报挖掘·2022-12-09 08:20

【论文解读】从BERT和XLNet到MPNet

作者：潘小小，字节跳动AI-Lab算法工程师，专业机器翻译算法，业余法语和音乐。在这篇文章中，我会介绍一篇最新的预训练语言模型的论文，出自MASS的同一作者。

风度78·2022-12-09 07:09

【论文串讲】从BERT和XLNet到MPNet

作者：潘小小，字节跳动AI-Lab算法工程师，专业机器翻译算法，业余法语和音乐。在这篇文章中，我会介绍一篇最新的预训练语言模型的论文，出自MASS的同一作者。

Python技术博文·2022-12-09 07:05

【菜鸡读论文】MMNet: Muscle Motion-guided Network for Micro-expression Recognition

感觉自己的水平还是有限，最近想开始上手做一些事情，但感觉还是有点力不从心，不过这一周开始接触将Transformer应用在计算机视觉领域，觉得有点亲切，让我想到了大三去做实习的时候，做机器翻译时用到Transformer

猫头丁·2022-12-09 05:00

NLP学习—12.Seq2Seq模型与Attention机制

一、文本生成任务常见的文本生成任务有以下几种：MachineTranslation（机器翻译）不同语言之间的转换

哎呦-_-不错·2022-12-08 20:44

seq2seq模型_带你读论文 | 端到端语音识别模型

随着端到端神经网络在机器翻译、语音生成等方面的进展，端到端的语音识别也达到了和传统方法可比的性能。

weixin_39692761·2022-12-08 20:12

Seq2Seq实战——机器翻译

基于seq2seq做一个机器翻译我们将使用PyTorch和TorchText构建一个机器学习模型，从一个序列到另一个序列。

hxxjxw·2022-12-08 19:36

基于BERT实现简单的NER任务

作用命名实体识别是信息提取、问答系统、句法分析、机器翻译、面向Sema

墨菲是一只喵·2022-12-08 11:15

cs224 -Lecture 1:Introduction and Word Vectors

中的关键方法：递归网络，注意力机制等；了解人类语言的全貌，以及理解和产生语言的困难；理解并有能力为NLP中的主要问题构建系统(在pytorch中)；-单词的意思，依赖解释（dependencyparsing），机器翻译

然后就去远行吧·2022-12-08 11:24

判断三个老师教哪门课命题c语言,安徽理工大学人工智能复习题库

2.任意列举人工智能的四个应用性领域难题求解、定理证明、智能控制、机器翻译。3.人工智能的基本技术包括搜索技术、推理技术、知识表示和知识库技术归纳技术、联想技术。

weixin_39729115·2022-12-08 10:19

《深度学习进阶：自然语言处理》读书笔记：第7章基于RNN生成文本

另外，还存在许多需要将一种时序数据转换为另一种时序数据的任务，比如机器翻译、语音识别等。其他的还有进行对话的聊天机器人应用、将源

feiwen110·2022-12-08 09:05

实体关系抽取综述及相关顶会论文介绍

其研究成果主要应用在文本摘要、自动问答、机器翻译、语义网标注、知识图谱等。1.关系抽取任务简介实体关系抽取作为信息抽取的重要任务，是指在实体识别的基础上，从非结构化文本中抽取出预先定义的实体关系。

zenRRan·2022-12-07 12:28

深度学习中的注意力机制

本文以机器翻译为例，深入浅出地介绍了深度学习中注意力机制的原理及关键计算机制，同时也抽象出其本质思想，并介绍了注意力模型在图像及语音等领域的典型应用场景。注意力模型最近几年在深度学习各个领域被广泛

fu_shuwu·2022-12-07 12:01

【经典模型实现】一个简单的基于transformer的机器翻译

背景最近对序列模型比较感兴趣，正好使用pytorch实现一个简单的机器翻译模型，在gpu运行环境下，在epoch=50轮左右的时候，训练效果，看似还不错。这里记录下。

WitsMakeMen·2022-12-06 23:31

《动手学深度学习》学习笔记(六)

因此，循环神经网络有着极为广泛的实际应用，如语言模型、文本分类、机器翻译、语音识别、图像分析、手写识别和推荐

xiaoyaolangwj·2022-12-06 16:16

transformer学习记录

基于seq2seq架构的transformer模型可以完成nlp领域的典型任务，如机器翻译，文本生成，同时又可以构建预训练的语言模型（这个应用还是比较广泛的），用于不同任务的迁移学习。

编程是个体力活·2022-12-06 13:21

微软亚洲研究院：NLP将迎来黄金十年

自计算机诞生，就开始有了对人工智能的研究，而人工智能领域最早的研究就是机器翻译以及自然语言理解。在1998

zenRRan·2022-12-06 11:06

论文笔记：Meshed-Memory Transformer for Image Captioning

这篇论文是CVPR2020的一篇论文，作者在摘要中提到虽然基于Transformer的体系结构代表了序列建模任务(如机器翻译和语言理解)的最新水平。然而，它们对图像描述等多模态上下文的

詹姆斯德1·2022-12-06 10:03

推荐频道

NLP+机器翻译