机器翻译原理简介

本课程简单回顾了机器翻译的基本原理,内容包括基于深度学习的机器翻译的基本原理,序列到序列的模型等等。(课时:74 分钟)

机器翻译 序列模型 Seq2Seq 编码器 解码器

讲师:   龚力


课程背景

机器翻译,是利用计算机将一种自然语言转换为另一种自然语言的过程。它是计算语言学的一个分支,是人工智能的终极目标之一,具有重要的科学研究价值。在人工智能研究的早期阶段,人们曾对机器翻译技术报以厚望,然而限制于当时的技术水平,人们并没有取得理想的效果。

近些年来,机器翻译的水平已经较之前有了本质上的进步,这是由近年来发展的深度学习技术所促进的。特别是深度学习中注意力等机制的引入,让现代的机器翻译越来越逼近人工翻译的效果。

本讲座按照历史顺序,首先讲述了机器翻译的发展简史,从最早乐观的研究,到后来的大失所望。然后介绍了实现机器翻译的经典方法:基于统计学的方法。其后介绍最近的基于深度学习的机器翻译技术,以及其中增强翻译效果的Seq2Seq模型与Attention机制。

课程目的

学完本课程,你能做到

  • 了解机器翻译技术的发展历史

  • 熟悉基于统计方法的机器翻译技术原理

  • 熟悉基于神经网络模型的机器翻译技术原理

  • 了解神经语言模型、Seq2Seq模型、Attention机制的基本概念

课程详情

本课程的主要内容如下:

  • 机器翻译发展简史

  • 统计机器翻译原理简介

  • 神经网络翻译原理简介

    • 神经语言模型

    • 开山之作:Seq2Seq模型

    • 重大改进:注意力机制的引入

相关课程

龚力:机器翻译的实现

171b75763ca3fb9f0fc864a635f6ba76.jpg