神经机器翻译的直观解释_神经网络机器翻译系统的工作原理

作者|Renu Khandelwal 编译|VK 来源|Towards Data Science

什么是神经机器翻译？

神经机器翻译是一种将一种语言翻译成另一种语言的技术。一个例子是把英语转换成印地语。让我们想想，如果你在一个印度村庄，那里的大多数人都不懂英语。你打算毫不费力地与村民沟通。在这种情况下，你可以使用神经机器翻译。

神经机器翻译的任务是使用深层神经网络从一个源语言(如英语)的一系列单词转换成一个序列的目标语言(如西班牙语)。

神经机器翻译的特点是什么？

• 能够在多个时间步中持久存储顺序数据

NMT使用连续的数据，这些数据需要在几个时间步中进行持久保存。人工神经网络(ANN)不会将数据保存在几个时间步长上。循环神经网络(RNN)，如LSTM(长短时记忆)或GRU(门控递归单元)，能够在多个时间步长中持久保存数据

• 处理可变长度的输入和输出向量的能力

ANN和CNN需要一个固定的输入向量，在这个向量上应用一个函数来产生一个固定大小的输出。NMT将一种语言翻译成另一种语言，源语言和目标语言的单词序列的长度是可变的。

RNN与LSTM或GRU一样如何帮助进行顺序数据处理？

RNN是一种神经网络，结构中具有循环来保存信息。它们对序列中的每个元素执行相同的任务，并且输出元素依赖于以前的元素或状态。这正是我们处理顺序数据所需要的。

RNN可以有一个或多个输入以及一个或多个输出。这是处理顺序数据（即变量输入和变量输出）的另一个要求