GNMT-谷歌的神经网络翻译系统

在En-Fr语料库上，不合α和β值对BLEU值的影响

当α和β值取0时相当于不做长度筹划化和覆盖范围处罚，算法退回到最原始的beam search算法，值得一提的是，获得上述BLEU的模型并没有进行只应用了ML进行练习，没有应用RL优化。因为RL refinement已经促使模型不漏翻，不过翻。

在En-Fr语料库上先用ML优化在用RL优化的到的BLEU值与上图的比较

在谷歌实验中，α=0.2和β=0.2，但在我们的实验中，在中英翻伊闼楝照样α=0.6～1和β=0.2～0.4会取得更好的效不雅

实验过程以及实验结不雅

模型部分根本介绍完了，剩下的第八部分关于实验以及实验结不雅先贴张图，会持续不准时弥补，下一篇文┞仿应当会介绍一下Facebook宣布并开源的传播鼓吹比GNMT更好更快的FairSeq模型...

另有一种办法处理OOV问题是将罕有词标记出来，比如，假设 Miki 这个词没有涌如今词典中，经由标记后，变成<B> M <M> i <M> k <E> i ，如许在翻译过程中，将罕有词调换为特别符号。

【编辑推荐】

【义务编辑：林师授 TEL：（010）68476606】

　　推荐阅读

　　不一致的国际数据隐私法

遵守各类数据隐私法中国新的收集安然法已经生效，这意味着全球范围内新增一个国际数据隐私法，这可能给跨国企业带来更多挑衅。企业可以在2018年再开端遵守欧盟的《一般数据保护条例》(GDP>>>详细阅读

地址：http://www.17bianji.com/lsqh/35848.html