Seq2Seq 于 2013年、2014 年被多位学者共同提出，在机器翻译任务中取得了非常显著的效果，随后提出的 attention 模型更是将Seq2Seq推上了神坛，Seq2Seq attention 的组合横扫了非常多的任务，只需要给定足够数量的 input-output pairs，通过设计两端的 sequence 模型和 attention 模型，就可以训练出一个不错的模型。除了应用在机器翻译任务中，其他很多的文本生成任务都可以基于Seq2Seq模型来做，比如：文本摘要生成、对话生成等，由于Seq2Seq模型中 sequence 的灵活性，很多有意思的应用也随之诞生。本文将会带着大家一起来看看Seq2Seq好玩的应用。
机器翻译神经机器翻译（Neural Machine Translation）是 NLP 中最经典的任务，也是最活跃的研究领域之一，Seq2Seq提出之后，最早应用于 nmt 任务。当前，主流的在线翻译系统都是基于深度学习模型来构建的，包括 Google、百度等，整体效果取得了非常显著的进步（当然，在刚刚推出的时候还是有很多槽点的）。每年都有特别多的 ** 在Seq2Seq模型上提出一些改进方案。 ▲ 图1：典型的Seq2Seq模型图
上图是典型的Seq2Seq模型图，输入序列是 ABC |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
