深入理解Seq2seq模型（Sequence2sequence）
Posted 白马负金羁
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了深入理解Seq2seq模型（Sequence2sequence）相关的知识，希望对你有一定的参考价值。
机器翻译（Machine Translation）是ＮＬＰ领域中一个重点研究的话题。早期有代表性的工作包括IBM模型（１～６），这一系列方法都属于是统计机器翻译（statistical machine translation）的范畴。本博客之前的文章曾经介绍过IBM1模型（参考【1】），其它的还可以进一步参考【２】（可以注意到IBM6模型是以HMM为基础的）。
随着深度学习或者神经网络的发展，现在神经机器翻译（Neural machine translation）已经成为机器翻译领域中最流行的方法。要了解神经机器翻译，Sequence2sequence模型（简称Seq2seq）是第一步。
欢迎关注白马负金羁的博客 http://blog.csdn.net/baimafujinji ，为保证公式、图表得以正确显示，强烈建议你从该地址上查看原版博文。本博客主要关注方向包括：数字图像处理、算法设计与分析、数据结构、机器学习、数据挖掘、统计分析方法、自然语言处理。
Seq2seq模型是以RNN/LSTM/GRU这类模型为基础实现的，如果你对此还不是很了解，请参考【3】。RNN这种结构非常适合处理人类语言中的“句子”，例如【4】。在Seq2seq模型中，我们同样使用RNN来读取一个句子，然后在用一个RNN来输出一个翻译的结果，如下图所示：
以上是关于深入理解Seq2seq模型（Sequence2sequence）的主要内容，如果未能解决你的问题，请参考以下文章