Seq2Seq

标签：因此   一句话   image   翻译   英语   问题   信息   摘要   经典   

一、背景

序列问题经常存在输入与输出个数不同的问题，例如在机器翻译里面，一句话的汉语词数和英语词数并不是相同的

二、结构

将存储了整个输入序列信息的最后h，去决定输出序列中的每个元素。

相当于将输入序列先编码为最后的h，再解码为输出序列

由于这种Encoder-Decoder结构不限制输入和输出的序列长度，因此应用的范围非常广泛，比如：

• 机器翻译。Encoder-Decoder的最经典应用，事实上这一结构就是在机器翻译领域最先提出的
• 文本摘要。输入是一段文本序列，输出是这段文本序列的摘要序列。
• 阅读理解。将输入的文章和问题分别编码，再对其进行解码得到问题的答案。
• 语音识别。输入是语音信号序列，输出是文字序列。

 三、缺点

因为中间编码得到的结果c，需要包含句子所有的信息，当句子比较长的时候，会不太好

Seq2Seq

标签：因此   一句话   image   翻译   英语   问题   信息   摘要   经典   

原文地址：https://www.cnblogs.com/mimandehuanxue/p/9066523.html