2017年06月的文章

2017-06-30阅读(5886)评论(0)

从动机层面直观地充实了GRU和LSTM的理解，介绍了MT的评测方法，讨论了NMT中棘手的大词表问题和一些常见与最新的解决办法。 深入GRU  把GRU再详细讲一讲。 RNN的梯度消失就不赘述了，红线连乘多次下溢出。 而GRU额外添...

2017-06-30阅读(4985)评论(0)

唇语翻译 将视频处理为以嘴唇为中心的图片序列，给或不给语音，预测正在讲的话。 这些数据可能来自新闻直播： 动画演示： 这里唇语和语音的识别、卡拉OK效果式的对齐，都是模型自动完成的。 架构 视觉和听觉两个模块或者混合交火或者单独使用，每次输...

2017-06-28阅读(7551)评论(1)

从NMT的历史谈到现代，讲解了attention机制的动机、原理及最新的拓展。通过实例展示谷歌翻译的变化，直言不讳指出其过度炒作。Manning今天还换上了新MBP，挺潮的。 机器翻译 传统衡量机器对语言理解的测试之一 同时涉及到语言分析与...

2017-06-27阅读(5049)评论(1)

双语NMT 一般“瘦弱”的NMT系统只支持双语单向翻译，比如课上常见的这种： 如果想实现一个模型支持多语种互译怎么办呢？ 土办法 之前的尝试是使用多对encoder-decoder pair、一个encoder多个decoder、多个enc...

2017-06-27阅读(12600)评论(15)

先在TensorFlow上实现多项逻辑斯谛回归练练手，然后增加难度实现基于神经网络的转移依存句法分析，试验Xavier初始化、Dropout和Adam优化器。最后推导RNN和语言模型的困惑度、梯度、反向传播和复杂度。 Python代码开源在...

2017-06-26阅读(9575)评论(4)

普通安装方法是pip官方的包，但这种大街货往往没有针对本地环境做优化。比如调用时会警告说你的机器支持一些可加速运算的指令，但编译时没有启用，让你心痒难耐。 2017-06-26 10:34:11.820609: W&nb...

2017-06-23阅读(8232)评论(2)

简单回顾了传统统计机器翻译中的难题，过渡到利用GRU和LSTM来救场，最后介绍了一些较新的改进工作。 机器翻译 对于情感分析这类还算简单的任务，你可以整理一个情感极性词典、编写一堆规则做出一个勉强能用的系统。但到了机器翻译这个高级应用，就无...

2017-06-23阅读(4145)评论(0)

我们已经知道一些手段来改进语言模型，比如： 更好的输入：词→词根→字符 更好的正则化/预处理 这些手段综合起来得到了更好的语言模型 更好的输入 文本的多种颗粒度： 更细的颗粒度相当于减小了词表，让模型更容易做对选择。试验表明的确降低了err...

2017-06-22阅读(9726)评论(5)

这次课推导RNN，介绍各种训练技巧和拓展变种。梯度消失的推导很详细，用Python演示很直观，也给出了用裁剪防止梯度爆炸的直观解释。笔记里还补充了用于机器翻译时的5项改进。 语言模型 语言模型就是计算一个单词序列（句子）的概率（$P(w_1...

2017-06-22阅读(4545)评论(0)

介绍了依存句法分析最近的3次突破性工作。 什么是SyntaxNet 这是谷歌在16年开源的“世界上最精准的开源句法分析器”，它基于TF来做句法分析，现在支持40种语言（不包含简体中文）。 这项工作在Chen & Manning的开山...