Обучение представлений фраз с использованием RNN энкодер–декодера для статистического машинного перевода

Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation
Çağlar Gülçehre, Yoshua Bengio, Kyunghyun Cho, Bart van Merriënboer, Dzmitry Bahdanau, Fethi Bougares, Holger Schwenk
2014-01-01
SCID:  54.1/9qm76zut Discuss with AI
EMNLP 2014RNN кодировщик–декодировщикпредставления фразпоследовательность в последовательностьстатистический машинный перевод
Abstract (AI)
Кюнхьюн Чо, Барт ван Мерриеенбоер, Чаглар Гюльчехре, Дзмитрий Бахдану, Фети Бугарес, Холгер Швенк, Йошуа Бенжио. Труды конференции по эмпирическим методам в обработке естественного языка (EMNLP), 2014.
Key Findings
1
Показано, что оценка пар фраз с помощью RNN Encoder–Decoder улучшает качество перевода при интеграции в систему статистического MT.
2
Предложена архитектура RNN Encoder–Decoder для обучения представлений фраз переменной длины для статистического машинного перевода.
3
Показано, что архитектура может обрабатывать входы и выходы переменной длины без зависимости от фиксированного выравнивания словаря.
4
Модель совместно обучается кодировать входную фразу в вектор фиксированной длины и декодировать её в целевую фразу.
Research Object

Модель RNN Encoder–Decoder для обучения представлений фраз в статистическом машинном переводе

Research Subject

Обучение представлений фраз (векторных встраиваний) и их использование для улучшения качества статистического машинного перевода

Publication Details
Publication Date
2014-01-01
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Çağlar Gülçehre
Yoshua Bengio
Kyunghyun Cho
Bart van Merriënboer
Dzmitry Bahdanau
Fethi Bougares
Holger Schwenk
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%