【论文阅读】Neural Machine Translation By Jointly Learning To Align and Translate

Neural Machine Translation By Jointly Learning To Align and Translate

二作与三作 Universite de Montreal 鼎鼎有名的蒙特利尔大学，最后一位 Yoshua Bengio.

该文章的引用量： 1478

github 传送门 ： https://github.com/lisa-groundhog/GroundHog

这篇文章在神经网络 采用编码-解码RNN 做端到端的机器翻译的基础上，使得模型可以在预测下一个词的时候，自动地选择原句子相关的部分作为解码的输入，这也是后来被提为attention机制的内容。该模型的性能在英法语数据的评测上超过了当前使用基于短语的机器翻译系统。

饮水思源，RNN encode-decode的模型架构是由文献[1]

[1] Neural Machine Translation By Jointly Learning To Align and Translate

二作与三作 Universite de Montreal 鼎鼎有名的蒙特利尔大学，最后一位 Yoshua Bengio.

该文章的引用量： 1478

这篇文章在神经网络 采用编码-解码RNN 做端到端的机器翻译的基础上，使得模型可以在预测下一个词的时候，自动地选择原句子相关的部分作为解码的输入，这也是后来被提为attention机制的内容。该模型的性能在英法语数据的评测上超过了当前使用基于短语的机器翻译系统。

饮水思源，RNN encode-decode的模型架构是由文献[1][2][3],这三篇文章也都是由机器翻译方面的学者提出来的。编码解码࿰