注：我们的论文《Effective Approaches to Attention-based Neural Machine Translation》中使用了这个数据集。另外，因为历史上的原因，我们对合成词（compound words）做了拆分。比如，rich-text format --> rich ##AT##-##AT## text format.

IWSLT'15 英语-越南语数据（小）

训练集（包含 13.3 万个句子对）

英语训练集（train.en）：

越南语训练集（train.vi）：

测试集：

tst2012.en：

tst2012.vi：

tst2013.en：

tst2013.vi：

词汇库（最常见的 5 万个词）：

vocab.en：

vocab.vi：

　　词典（从对齐的数据中提取出来的，dict.en-vi）：

　　注：我们的论文《Stanford Neural Machine Translation Systems for Spoken Language Domains》中使用了这个数据集

预训练的模型

我们放出了预训练好的模型，可以直接通过我们的 Matlab 代码使用。

注：要使用这些模型，必须要一个 GPU。如果想要这些模型在 CPU 上可用，请考虑使用这个脚本：https://github.com/stanfordnlp/nmt/blob/master/code/misc/model2cpu.m

WMT'15 英语-捷克语混合模型（hybrid models）

我们训练了 4 个具有同样架构的模型（全局注意、双线性形式、dropout、两层字符级模型）:

1. Model 1：

2. Model 2 ：

3. Model 3：

4. Model 4：

WMT'14 英语到德语基于注意的模型（attention-based models）

　　1. 全局注意、点积：

　　2. 全局注意、点积、dropout：

　　3. 全局注意、双线性形式、dropout：

　　4. 局部注意（单调）、双线性形式：

　　5. 局部注意（单调）、双线性形式、dropout：

　　6. 局部注意（预测）、点积、dropout：

　　7. 局部注意（预测）、双线性形式：

　　8. 局部注意（预测）、双线性形式、dropout：

IWSLT'15 英语-越南语基于注意的模型（attention-based models）

　　1. 全局注意、双线性形式、dropout：

　　2. 全局注意、concatenate ：

　　3. 局部注意（预测）、点积、dropout：

　　4. 局部注意（单调）、双线性形式、dropout：

　　5. 局部注意（单调）、双线性形式：

　　6. 局部注意（单调）、concatenate、dropout ：

　　7. 局部注意（预测）、点积、dropout：

　　8. 局部注意（预测）、双线性形式：

　　9. 局部注意（预测）、concatenate、dropout：

联系信息

有任何评论或疑问，可联系第一作者：[email protected]

©本文为机器之心编译文章，直播，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]