PythonPyTorch中的神经机器翻译框架

机器翻译 机器翻译是指将一段文本从一种语言自动翻译到另一种语言。因为一段文本序列在不同语言中的长度不一定相同,所以我们使用机器翻译为例来介绍编码器—解码器和注意力机制的应用。 1. 读取和预处理数据

机器翻译WMT14数据集，ACL2014公布的share task，很多模型都在这上benchmark

CTC 从语音识别到机器翻译 语音识别发展 序列 CTC 计算

翻译语料(translation2019zh),520万个中英文句子对;来自项目nlp_chinese_corpus,其中只有谷歌云盘的连接,国内访问很不方便,所以搬运下来,希望帮助到大家。该语料可以

Neural Machine Translation（NMT）是一个简单的架构，用于让机器更好地学习翻译。虽然相对来说还比较新，但是，NMT已经展示了一些有影响力的成果，在多种语言对中获得了最佳表现。

主要包含对机器翻译这一领域的前景, 现况, 未来 的描述,对机器翻译实现的细节,难点做了简单描述.

基于深度学习的中英文翻译,基于seq2seq模型,包括课程和代码,以及数据集,代码有注释

近年来,随着深度学习技术的发展,自然语言处理(NLP)得到了很大的发展。在机器翻译领域,出现了一种新的方法——神经机器翻译(NMT),引起了学术界和工业界的广泛关注。然而,在过去的几年里提出的大量的研

数据源主要为 Europarl 语料库和联合国语料库，并包含 2018 年从 News Commentary 语料库任务中重新抽取的文章。此数据集由 EMNLP 会议提供，用作许多论文效果的基准测试。

(一)注意力机制 在“编码器—解码器(seq2seq)”中,解码器在各个时间步依赖相同的背景变量(context vector)来获取输入序列信息。当编码器为循环神经网络时,背景变量来自它最终时间步的