wording (sec 10)

Chapter10/Figures/figure-score-of-mter.tex

@@ -7,7 +7,7 @@ symbolic x coords={1-15,16-25,26-35,>35},
 xtick=data,
 ytick={6,12,...,28},
 xlabel={句子长度（范围）},
-ylabel={$\%$\footnotesize{mTER}},
+ylabel={\footnotesize{mTER}[\%]},
 xlabel style={align=center},
 ylabel style={},
 y tick style={opacity=0},

Chapter10/chapter10.tex

@@ -229,7 +229,7 @@ NMT                     & 21.7          & 18.7           & -13.7      \\
 	  \rule{0pt}{13pt}  基于离散空间的表示模型			&基于连续空间的表示模型 \\
 	  \rule{0pt}{13pt} NLP问题的隐含结构假设			&无隐含结构假设，端到端学习 \\
 	  \rule{0pt}{13pt} 特征工程为主					&无显性特征，但需要设计网络 \\
-	  \rule{0pt}{13pt} 特征、规则的存储耗资源			&模型存储相对小，但计算慢 \\
+	  \rule{0pt}{13pt} 特征、规则的存储耗资源			&模型存储相对小，但计算量大 \\
 \end{tabular}
 \end{table}
 %----------------------------------------------
@@ -259,7 +259,7 @@ NMT                     & 21.7          & 18.7           & -13.7      \\
 \sectionnewpage
 \section{编码器-解码器框架}
 
-\parinterval 说到神经机器翻译就不得不提{\small\bfnew{编码器-解码器模型}}\index{编码器-解码器模型}（Encoder-Decoder Paradigm）\index{Encoder-Decoder Paradigm}，或{\small\bfnew{编码器-解码器框架}} \index{编码器-解码器框架}。本质上，编码器-解码器模型是描述输入-输出之间关系的一种方式。编码器-解码器这个概念在日常生活中并不少见。例如在电视系统上为了便于视频的传播，会使用各种编码器将视频编码成数字信号，在客户端，相应的解码器组件会把收到的数字信号解码为视频。另外一个更贴近生活的例子是电话，它通过对声波和电信号进行相互转换，达到传递声音的目的。这种“先编码，再解码”的思想被应用到密码学、信息论等多个领域。
+\parinterval 说到神经机器翻译就不得不提{\small\bfnew{编码器-解码器模型}}\index{编码器-解码器模型}（Encoder-Decoder Paradigm）\index{Encoder-Decoder Paradigm}，或{\small\bfnew{编码器-解码器框架}} \index{编码器-解码器框架}。本质上，编码器-解码器模型是描述输入-输出之间关系的一种方式。编码器-解码器这个概念在日常生活中并不少见。例如，在电视系统上为了便于视频的传播，会使用各种编码器将视频编码成数字信号，在客户端，相应的解码器组件会把收到的数字信号解码为视频。另外一个更贴近生活的例子是电话，它通过对声波和电信号进行相互转换，达到传递声音的目的。这种“先编码，再解码”的思想被应用到密码学、信息论等多个领域。
 
 \parinterval 不难看出，机器翻译问题也完美的贴合编码器-解码器结构的特点。可以将源语言编码为类似信息传输中的数字信号，然后利用解码器对其进行转换，生成目标语言。下面就来看一下神经机器翻译是如何在编码器-解码器框架下进行工作的。