1406.1078 -> 1409.0473 -> 1409.3215
-1- Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation 1406.1078
中心思想
-1- rnn_encoder + rnn_decoder 模型结构
-2- 巧妙的隐藏层设计（GRU？）
14年NLP论文
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
相关阅读更多精彩内容
- 系列一介绍了Seq2seq和 Attention model。这篇文章将重点摆在Google於2017年发表论文“...
- 近日，谷歌官方在 Github开放了一份神经机器翻译教程，该教程从基本概念实现开始，首先搭建了一个简单的NMT模型...
- 近一两年，注意力模型（Attention Model）是深度学习领域最受瞩目的新星，用来处理与序列相关的数据，特别...
