改進自注意力機制於神經機器翻譯之研究 | 私立大學五星教授網

本書介紹自然語言處理的一個應用—機器翻譯及相關知識。全書分為三部分。第一部分包含第1～4章，簡要介紹機器翻譯中的問題、機器翻譯技術的實際應用及歷史，討論一直困擾 ...

一個神經機器翻譯系統主要由編碼器（ encoder ）與解碼器（ decoder ）所組成。句子中的單詞依序傳入神經網絡的神經元，先是分別在來源語言底下進行word embedding 成為 ...

機器翻譯是使用人工智慧自動將文字從一種語言翻譯成另一種語言的過程，而無需人力參與。現代機器翻譯已不再是簡單的逐字翻譯，而是用目標語言傳達原始語言文字的全部 ...

2017年2月17日 — 了解神經機器翻譯如何運作，以及它與大數據的搭配有什麼潛力。這類人工智慧在語言翻譯中扮演什麼樣的角色，更精確的神經機器翻譯如何帶領語言服務產業 ...

2019年6月17日 — 本文分為兩大部分。前半將帶讀者簡單回顧Seq2Seq 模型、自注意力機制以及Transformer 等近年在機器翻譯領域裡頭的重要發展與概念；後半段則將帶著讀者 ...

GNMT使用通過使用數百萬更廣泛的來源來推斷出最相關的翻譯，提高翻譯的品質。然後將結果重新排列並組成基於人類語言的語法翻譯。GNMT提出的系統學習架構通過Google翻譯支援 ...

2023年12月14日 — 大型語言模型機器翻譯(LLM MT) 是指使用LLM 進行MT。這個技術或許有一天會取代神經MT 典範，但目前則還未臻成熟。LLM 能產出不錯的輸出，在Lionbridge 的 ...

2019年6月18日 — 雖然神經機器翻譯有明顯的優勢，可以高效地翻譯文法錯綜複雜的語言。再加上翻譯過程的關鍵元素──人工譯後編修──得以近一步確保品質。在此步驟中，精於 ...

神經機器翻譯任務之目的為透過深度學習模型將來源語言句子轉換為目標語言，同時得以保留來源句子語意及正確句法。近年來常用的模型之一為Transformer，透過模型中的自 ...