Google機械翻訳の仕組み&できるようになったこと/まだ難しいことについて、社内の機械学習勉強会で説明します - yasuhisa's blog
社内の機械学習勉強会で最近話題になった機械学習関連のエントリを取り上げているのですが、ここ一ヶ月ではGoogle Neural Machine Translation(GNMT)がとても話題になっていました。GNMTで使われているEncoder-Decoderやattentionのような仕組みを直近で使う予定は特にはないですが、機械学習を使うエンジニアとして知っておいて損はないし、技術的に何が変わったことにより何ができるようになって、何はまだできないのかを知ろう、というのが目的です。技術的な項目は興味ない人も多そうなので、最後に持っていきました。 Google Neural Machine Translation(GNMT)の最近の進化について できるようになったこと 定量的な評価 まだまだ難しいこと 技術的な詳細 Encoder-decoder Attention based encod
ニューラル機械翻訳の動向@IBIS2017
2. 自己紹介 • 修士: 東大情報理工 • 博士: 京大情報学 • 現在: 科学技術振興機構(JST) 研究員 – 日中・中日機械翻訳実用化プロジェクト （2013-2017年度） • NLP若手の会2017年委員長 http://yans.anlp.jp • NLP2018大会プログラム委員 2 3. 目次 • NMTの基礎 – SMTとNMTとの比較 – Encoder-decoderモデル – Attention-based NMT – NMTの特徴と短所 • NMTの課題 – 扱える語彙数が少ない – 訳抜けと重複 – 何を学習しているのかわ からない • NMTのその他の話題 – 多言語翻訳 – Low/Zero-resource翻訳 – モデルの軽量化 – 特殊タグの埋め込み – RNN以外のNMTモデル • まとめ 3 4. 目次 • NMTの基礎 – SMTとNMTとの比
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
