合并分支 'caorunzhe' 到 'master'

Caorunzhe

查看合并请求 !534

Chapter14/chapter14.tex

@@ -119,7 +119,7 @@
 \end{eqnarray}
 \parinterval 其中，$\seq{y}_{<j}=\{y_1,y_2,\dots,y_{j-1}\}$，$\seq{y}_{>j}=\{y_{j+1},y_{j+2},\dots,y_n\}$。
 
-\parinterval 可以看到，自左向右推断和自右向左推断本质上是一样的。\chapterten$\sim$\chaptertwelve均使用了自左向右的推断方法。自右向左推断比较简单的实现方式是：在训练过程中直接将双语数据中的目标语句子进行反向，之后仍然使用原始的模型进行训练即可。在推断的时候，生成的目标语词串也需要进行反向得到最终的译文。有时候，使用自右向左的推断方式会取得更好的效果\upcite{DBLP:conf/wmt/SennrichHB16}。不过更多情况下需要同时使用词串左端（历史）和右端（未来）的信息。有多种思路可以融合左右两端信息：
+\parinterval 可以看到，自左向右推断和自右向左推断本质上是一样的。{\chapterten} $\sim$ {\chaptertwelve}均使用了自左向右的推断方法。自右向左推断比较简单的实现方式是：在训练过程中直接将双语数据中的目标语句子进行反向，之后仍然使用原始的模型进行训练即可。在推断的时候，生成的目标语词串也需要进行反向得到最终的译文。有时候，使用自右向左的推断方式会取得更好的效果\upcite{DBLP:conf/wmt/SennrichHB16}。不过更多情况下需要同时使用词串左端（历史）和右端（未来）的信息。有多种思路可以融合左右两端信息：
 
 \begin{itemize}
 \vspace{0.5em}
@@ -554,7 +554,7 @@ b &=& \omega_{\textrm{high}}\cdot |\seq{x}| \label{eq:14-4}
 \begin{figure}[htp]
 \centering
 \input{./Chapter14/Figures/figure-3vs}
-\caption{自回归、半自回归和非自回归模型}
+\caption{自回归、半自回归和非自回归模型\upcite{Wang2018SemiAutoregressiveNM}}
 \label{fig:14-20}
 \end{figure}
 %----------------------------------------------

structure.tex

@@ -555,7 +555,7 @@ addtohook={%
 %----------------------------------------------------------------------------------------
 %	NEW PAGE FOR SUBSECTION
 %----------------------------------------------------------------------------------------
-%\newcommand{\sectionnewpage}{\clearpage}
+%\newcommand{\sectionnewpage}{\clearpage}%每小节另起一页
 \newcommand{\sectionnewpage}{}
 
 %----------------------------------------------------------------------------------------