把 h(t) t=1...Tx，摆放在一起，组成一个 2k * Tx 的矩阵，h(t) 是其中一列。这个矩阵，就是向量组 H。H 表达着自然语句 X 的全部语义和语法结构。

　　四. 解码的工作原理

　　解码的任务，是先把向量组 H 转换成一连串词向量 y(t) t = 1... Ty，然后再把这些词向量 y(t) 逐个替换成译句中的某个单词。解码的工作由一个单向循环神经网络（DecoderUniLSTM）来完成。

　　沿用前面的英翻中的例子，英文源句是，“Quite cold today in Beijing, keep warm when going outdoors。” 中文译句是，“今天北京天气很冷，出门时要保暖。”

　　编码工作完成后，英文源句转换成 600 * 12 的向量组 H，h(1) ... h(5) h(6) 分别对应着 “Quite” ... “Beijing” “,” 。中文译句的词序，与英文源句的词序并不完全一致，譬如中文翻译的第一个词，并不是 “很” 而是 “今天”。

　　在选择中文译句的第一个词的时候，先对 h(1) ... h(12) 逐个打分，看谁最适合。打分的规则，先看谁是第一个从句的主语。因为英文源句中主语缺失，所以接着尝试第二个规则。第二个规则是当主语缺失时，中文会把时间或地点用来充当主语。根据这个规则，中文译句的第一个词，j2直播，既有可能对应着 “today”，也有可能对应着 “Beijing”。再根据第三个规则，在所有候选词中，谁的排序靠前，谁充当译句的第一个词。所以，最后确定中文译句的第一个词，对应着 “today”。

　　推而广之，翻译的难点，在于选择源句中对应的词向量。对应（alignment）的强弱，由四个因子决定。

　　1. 源句中每一个词，在语句中担当的语法角色，譬如是主语，还是谓语，或者宾语，或者从句中的主语谓语或者宾语。

　　2. 源句中每一个词的语义类别，譬如是时间，还是地点。

　　3. 译句中已经翻译了源句中哪些词。

　　4. 译句中期待的下一个词的语法角色和语义类别。

　　不妨用公式来表达，score( h(i) ) = align( s(t-1), h(i) ) = Va' * tanh( Wa * s(t-1), Ua * h(i) )，其中 Va、Wa、Ua 是需要训练的参数，而 s(t-1) 是译句的状态，它隐含着若干内容:

　　1. 译句中已经翻译了的词，y(1)...y(t-1) 。

　　2. y(1)...y(t-1) 对应着源句中的哪些词向量 h(j) 。

　　沿用前面的例子，如果中文译句已经翻译了若干词，“今天北京天气很”，接下去要决定 “很” 后面紧跟的中文词，对应着源句中的哪一个英文词，正确答案是 “cold”。

　　为了正确地选择下一个词，我们给源句中每一个英文词的词向量 h(i)，都打一个分，分值取决于中文译句到目前为止的状态 s(t-1)，与英文词向量 h(i) 的距离。译句状态 s(t-1)，记录着 “今天北京天气很” 的语义内容和语法结构，也记录着这几个词对应着英文源句中的 “Quite ... today in Beijing”。

　　对应着 “Quite” 的 h(1)，与 s(t-1) 的距离，由 score( h(i) ) 公式计算得出。如果 Va、Wa、Ua 这几个参数取值得当，“Quite” 的 h(1)，与 s(t-1) 距离会很远。同理，对应着 “keep” 的 h(7)，与 s(t-1) 距离也很远。而对应着 “cold” 的 h(2)，与 s(t-1) 的距离最近。这样，就能正确地选择 “cold”，作为要翻译的下一个词。

　　总结一下，假如已经翻译了若干词，y(1)...y(t-1)，下一步的解码工作，包含以下几个步骤。

　　1. 根据 DecoderUniLSTM 当前的状态 s(t-1)，给向量组 H 中每一个向量 h(i)，都打一个分，表示下一步要翻译这个词的概率。

　　2. 根据向量组 H 的加权和，更新 s(t-1)，得到 s(t)。

　　3. 根据三项输入，DecoderUniLSTM 下一步预期的 s(t)，向量组 H 的加权和，以及目前已经翻译了的 y(1)...y(t-1)，决定下一步要翻译的词 y(t)。

　　4. 完成了整个译句的所有词向量 y(t), t = 1...Ty 后，把 y(t) 转换成译句的单词。

　　五. 训练数据

　　无论是编码器 EncoderBiLSTM，还是解码器 DecoderUniLSTM，都有很多参数需要确定。确定这些参数的最优值，需要大量的语料。[2] 使用的语料是同时兼有英文版和法文版的大量新闻稿，这些双语新闻稿共包含 3.48 亿个单词。

　　六. 参考文献

　　[1] OpenNMT, An open-source neural machine translation system by Harvard NLP.

　　[2] Neural Machine Translation by Jointly Learning to Align and Translate

　　https://arxiv.org/abs/1409.0473

新智元招聘

　　职位 运营总监

　　职位年薪：36- 50万（工资+奖金）

　　工作地点：北京-海淀区

　　所属部门：运营部

　　汇报对象：COO

　　下属人数：2人

　　年龄要求：25 岁 至 35 岁

　　性别要求：不限

　　工作年限：3 年以上

　　语 言：英语6级（海外留学背景优先）

　　职位描述

负责大型会展赞助商及参展商拓展、挖掘潜在客户等工作，人工智能及机器人产业方向

擅长开拓市场，并与潜在客户建立良好的人际关系

深度了解人工智能及机器人产业及相关市场状况，随时掌握市场动态

主动协调部门之间项目合作，组织好跨部门间的合作，具备良好的影响力

带领团队完成营业额目标，并监控管理项目状况

负责公司平台运营方面的战略计划、合作计划的制定与实施

　　岗位要求

大学本科以上学历，硕士优先，要求有较高英语沟通能力

3年以上商务拓展经验，有团队管理经验，熟悉商务部门整体管理工作

对传统全案公关、传统整合传播整体方案、策略性整体方案有深邃见解

具有敏锐的市场洞察力和精确的客户分析能力、较强的团队统筹管理能力