Skip to content
项目
群组
代码片段
帮助
当前项目
正在载入...
登录 / 注册
切换导航面板
T
Toy-MT-Introduction
概览
Overview
Details
Activity
Cycle Analytics
版本库
Repository
Files
Commits
Branches
Tags
Contributors
Graph
Compare
Charts
问题
0
Issues
0
列表
Board
标记
里程碑
合并请求
0
Merge Requests
0
CI / CD
CI / CD
流水线
作业
日程表
图表
维基
Wiki
代码片段
Snippets
成员
Collapse sidebar
Close sidebar
活动
图像
聊天
创建新问题
作业
提交
Issue Boards
Open sidebar
NiuTrans
Toy-MT-Introduction
Commits
77015eeb
Commit
77015eeb
authored
Nov 03, 2019
by
xiaotong
Browse files
Options
Browse Files
Download
Email Patches
Plain Diff
new update
parent
cccce9da
隐藏空白字符变更
内嵌
并排
正在显示
1 个修改的文件
包含
185 行增加
和
0 行删除
+185
-0
Section06-Neural-Machine-Translation/section06.tex
+185
-0
没有找到文件。
Section06-Neural-Machine-Translation/section06.tex
查看文件 @
77015eeb
...
...
@@ -364,8 +364,193 @@ NLP问题的隐含结构假设 & 无隐含结构假设,端到端学习 \\
\end{frame}
%%%------------------------------------------------------------------------------------------------------------
%%% 一个NMT运行的简单例子
\begin{frame}
{
简单的运行实例
}
\begin{itemize}
\item
一个简单的例子:基于循环神经网络的翻译过程
\begin{itemize}
\item
顺序处理源语言单词
\item
源语言句子信息被表示再最后一个循环单元的输出中
\item
逐词生成目标语译文
\end{itemize}
\end{itemize}
%%% 运行实例的图
\end{frame}
%%%------------------------------------------------------------------------------------------------------------
%%% NMT是魔法?
\begin{frame}
{
神经机器翻译会``魔法''?
}
\begin{minipage}
[c][5cm][t]
{
0.46
\textwidth
}
\alert
{
统计机器翻译
}
仍然依赖人工定义特征和翻译单元
\begin{itemize}
\item
相对符合人类的理解
\item
具有一定可解释性
\end{itemize}
\vspace
{
1em
}
图!!!
%\includegraphics[scale=0.5]{图!!!}
\end{minipage}
\hfill
\begin{minipage}
[c][5cm][t]
{
0.48
\textwidth
}
\alert
{
神经机器翻译
}
把所有工作都交给神经网络
\begin{itemize}
\item
不需要先验假设
\item
语言的``表示''给机器看的
\end{itemize}
\vspace
{
1em
}
图!!!
%\includegraphics[scale=0.58]{图!!!}
\end{minipage}
\begin{itemize}
\item
神经机器翻译在使用魔法?
\\
- No! No! No! 变化的只有人类使用知识的形式
\end{itemize}
\end{frame}
%%%------------------------------------------------------------------------------------------------------------
%%% NMT所对应的范式变换
\begin{frame}
{
神经机器翻译所带来的范式更迭
}
\begin{itemize}
\item
不同机器翻译时代,人类知识的使用方式
\end{itemize}
\begin{center}
\begin{tabular}
{
l | l
}
机器翻译方法
&
人类参与方式
\\
\hline
基于规则的方法
&
设计翻译规则
\\
传统统计方法
&
设计翻译特征
\\
神经网络方法
&
设计网络架构
\end{tabular}
\end{center}
\visible
<2->
{
\begin{tcolorbox}
[enhanced,size=normal,left=2mm,right=1mm,colback=blue!5!white,colframe=blue!75!black,drop fuzzy shadow]
{
\Large
\textbf
{
人类在机器翻译中将扮演什么角色?
}
}
\end{tcolorbox}
\begin{itemize}
\item
<3-> 机器翻译会逐渐替代人?
\visible
<4->
{
\alert
{
- 不会,爹是不能被儿子替代的
}}
\item
<3-> 就连神经网络也可以通过结构搜索自动学习,人类是不是就什么也不用干了?
\visible
<4->
{
\alert
{
- 结构搜索又是谁设计的,人至少需要敲下键盘吧,哈哈哈哈
}}
\end{itemize}
}
\end{frame}
%%%------------------------------------------------------------------------------------------------------------
%%% 本章的内容
\begin{frame}
{
Outline
}
\vspace
{
1.0em
}
\begin{tcolorbox}
[enhanced,size=normal,left=2mm,right=1mm,colback=red!5!white,colframe=red!75!black,drop fuzzy shadow]
{
\large
\textbf
{
入门:循环网络翻译模型及注意力机制
}
\\
\small
{
1. 模型结构
}
\\
\small
{
2. 注意力机制
}
}
\end{tcolorbox}
\vspace
{
0.5em
}
\begin{tcolorbox}
[enhanced,size=normal,left=2mm,right=1mm,colback=red!5!white,colframe=red!75!black,drop fuzzy shadow]
{
\large
\textbf
{
热门:Transformer
}
\\
\small
{
1. 多头自注意力模型
}
\\
\small
{
2. 训练及推断
}
\\
\small
{
3. 深层网络翻译模型
}
}
\end{tcolorbox}
\vspace
{
0.5em
}
\begin{tcolorbox}
[enhanced,size=normal,left=2mm,right=1mm,colback=red!5!white,colframe=red!75!black,drop fuzzy shadow]
{
\large
\textbf
{
其它:一些有趣的神经机器翻译应用
}
}
\end{tcolorbox}
\end{frame}
%%%------------------------------------------------------------------------------------------------------------
\section
{
循环神经网络翻译模型及注意力机制
}
%%%------------------------------------------------------------------------------------------------------------
%%% 第一部分
\begin{frame}
{
首先
}
\vspace
{
5.0em
}
\begin{tcolorbox}
[enhanced,size=normal,left=2mm,right=1mm,colback=red!5!white,colframe=red!75!black,drop fuzzy shadow]
{
\Large
\textbf
{
循环网络翻译模型及注意力机制
}
}
\end{tcolorbox}
\begin{center}
\begin{tikzpicture}
\begin{scope}
[scale=0.7]
\tikzstyle
{
rnnnode
}
= [draw,inner sep=5pt,minimum width=3em,minimum height=0.8em,fill=green!30!white,blur shadow=
{
shadow xshift=1pt,shadow yshift=-1pt
}
]
\node
[anchor=west,rnnnode] (node11) at (0,0)
{
\tiny
{
RNN Cell
}}
;
\node
[anchor=west,rnnnode] (node12) at ([xshift=1em]node11.east)
{
\tiny
{
RNN Cell
}}
;
\node
[anchor=west,rnnnode] (node13) at ([xshift=1em]node12.east)
{
\tiny
{
RNN Cell
}}
;
\node
[anchor=west,rnnnode] (node14) at ([xshift=1em]node13.east)
{
\tiny
{
RNN Cell
}}
;
\node
[anchor=north,rnnnode,fill=red!30!white] (e1) at ([yshift=-1em]node11.south)
{
\tiny
{}}
;
\node
[anchor=north,rnnnode,fill=red!30!white] (e2) at ([yshift=-1em]node12.south)
{
\tiny
{}}
;
\node
[anchor=north,rnnnode,fill=red!30!white] (e3) at ([yshift=-1em]node13.south)
{
\tiny
{}}
;
\node
[anchor=north,rnnnode,fill=red!30!white] (e4) at ([yshift=-1em]node14.south)
{
\tiny
{}}
;
\node
[anchor=north,inner sep=2pt] (w1) at ([yshift=-1em]e1.south)
{
\tiny
{$
<
$
s
$
>
$}}
;
\node
[anchor=north,inner sep=2pt] (w2) at ([yshift=-1em]e2.south)
{
\tiny
{
让
}}
;
\node
[anchor=north,inner sep=2pt] (w3) at ([yshift=-1em]e3.south)
{
\tiny
{
我们
}}
;
\node
[anchor=north,inner sep=2pt] (w4) at ([yshift=-1em]e4.south)
{
\tiny
{
开始
}}
;
\draw
[->,thick] ([yshift=0.1em]w1.north)--([yshift=-0.1em]e1.south);
\draw
[->,thick] ([yshift=0.1em]w2.north)--([yshift=-0.1em]e2.south);
\draw
[->,thick] ([yshift=0.1em]w3.north)--([yshift=-0.1em]e3.south);
\draw
[->,thick] ([yshift=0.1em]w4.north)--([yshift=-0.1em]e4.south);
\draw
[->,thick] ([yshift=0.1em]e1.north)--([yshift=-0.1em]node11.south);
\draw
[->,thick] ([yshift=0.1em]e2.north)--([yshift=-0.1em]node12.south);
\draw
[->,thick] ([yshift=0.1em]e3.north)--([yshift=-0.1em]node13.south);
\draw
[->,thick] ([yshift=0.1em]e4.north)--([yshift=-0.1em]node14.south);
\node
[anchor=south,rnnnode,fill=red!30!white] (node21) at ([yshift=1.0em]node11.north)
{
\tiny
{}}
;
\node
[anchor=south,rnnnode,fill=red!30!white] (node22) at ([yshift=1.0em]node12.north)
{
\tiny
{}}
;
\node
[anchor=south,rnnnode,fill=red!30!white] (node23) at ([yshift=1.0em]node13.north)
{
\tiny
{}}
;
\node
[anchor=south,rnnnode,fill=red!30!white] (node24) at ([yshift=1.0em]node14.north)
{
\tiny
{}}
;
\node
[anchor=south] (output1) at ([yshift=1em]node21.north)
{
\Large
{
\textbf
{}}}
;
\node
[anchor=south] (output2) at ([yshift=1em]node22.north)
{
\Large
{
\textbf
{}}}
;
\node
[anchor=south] (output3) at ([yshift=1em]node23.north)
{
\Large
{
\textbf
{}}}
;
\node
[anchor=south] (output4) at ([yshift=1em]node24.north)
{
\Large
{
\textbf
{}}}
;
\draw
[->,thick] ([yshift=0.1em]node21.north)--([yshift=-0.1em]output1.south);
\draw
[->,thick] ([yshift=0.1em]node22.north)--([yshift=-0.1em]output2.south);
\draw
[->,thick] ([yshift=0.1em]node23.north)--([yshift=-0.1em]output3.south);
\draw
[->,thick] ([yshift=0.1em]node24.north)--([yshift=-0.1em]output4.south);
\draw
[->,thick] ([yshift=0.1em]node11.north)--([yshift=-0.1em]node21.south);
\draw
[->,thick] ([yshift=0.1em]node12.north)--([yshift=-0.1em]node22.south);
\draw
[->,thick] ([yshift=0.1em]node13.north)--([yshift=-0.1em]node23.south);
\draw
[->,thick] ([yshift=0.1em]node14.north)--([yshift=-0.1em]node24.south);
\draw
[->,thick] ([xshift=-1em]node11.west)--([xshift=-0.1em]node11.west);
\draw
[->,thick] ([xshift=0.1em]node11.east)--([xshift=-0.1em]node12.west);
\draw
[->,thick] ([xshift=0.1em]node12.east)--([xshift=-0.1em]node13.west);
\draw
[->,thick] ([xshift=0.1em]node13.east)--([xshift=-0.1em]node14.west);
\draw
[->,thick] ([xshift=0.1em]node14.east)--([xshift=1em]node14.east);
\end{scope}
\end{tikzpicture}
\end{center}
\end{frame}
%%%------------------------------------------------------------------------------------------------------------
\subsection
{
模型结构
}
...
...
编写
预览
Markdown
格式
0%
重试
或
添加新文件
添加附件
取消
您添加了
0
人
到此讨论。请谨慎行事。
请先完成此评论的编辑!
取消
请
注册
或者
登录
后发表评论