Dec, 2017

Sockeye: 神经机器翻译工具包

PDF
TL;DRSockeye 是一个用于神经机器翻译的开放源代码序列到序列工具包，它支持三种最流行的编码器 - 解码器体系结构，包括注意力循环神经网络、自我关注变换器和全卷积网络； Sockeye 在英语 - 德语和拉脱维亚语 - 英语两种语言翻译任务中获得了竞争力的 BLEU 分数，特别是其变压器实现的总体最佳分数。
neural machine translationsequence-to-sequence toolkitattentional recurrent neural networksself-attentional transformersfully convolutional networks
发现论文，激发创造
  • 2020 AMTA 平台上的 Sockeye 2 神经机器翻译工具包

    Sockeye 2 是基于 MXNet 的 Gluon API 开发的神经机器翻译工具包，采用分布式混合精度训练、8 位量化的高效 CPU 解码等新特性，从而实现更快的训练、更高的自动度量分数，研究与生产部署的路径更短的优化。

    Aug, 2020

  • Sockeye 3: 基于 PyTorch 的快速神经机器翻译

    Sockeye 3 是一款基于 PyTorch 的神经机器翻译工具包，实现了更快的模型实现、更高效的训练以及更快速的将新想法从研究移植到生产的灵活性，而且比其他 PyTorch 实现在 GPU 上快 126%，在 CPU 上快 292%。

    Jul, 2022

  • 又一种神经机器翻译工具包：YANMTT

    本文介绍一个基于 Transformer 库的神经机器翻译（NMT）工具包 Yet Another Neural Machine Translation Toolkit（YANMTT），该工具包允许用户进行预训练、迁移学习、微调和可视化与分析，以及其他高级功能，例如文本多源 NMT 和压缩等。

    Aug, 2021

  • OpenNMT：神经机器翻译开源工具包

    该研究描述了一个优先考虑效率、模块化和可扩展性的神经机器翻译开源工具集，用于支持对模型架构、特征表示和源模态进行 NMT 研究，同时保持竞争性能和合理的训练要求。

    Jan, 2017

  • XNMT: 可扩展的神经机器翻译工具包

    XNMT 是一款开源的、基于模块化代码设计的神经机器翻译工具，可应用于机器翻译、语音识别和多任务翻译 / 解析等领域。

    Mar, 2018

  • OpenNMT: 神经机器翻译工具包

    OpenNMT 是一种面向 NMT 研究的开源工具包，主要关注效率、可扩展性和可组合性，并且在多个生产 MT 系统中得到了应用。

    May, 2018

  • adaptNMT：一款开源的、语言无关的用于神经机器翻译的开发环境

    adaptNMT 是一个开源应用程序，为机器翻译领域的技术和非技术用户简化了 RNN 和 Transformer 神经翻译模型的开发和部署过程。该应用程序建立在广泛采用的 OpenNMT 生态系统之上，特别适用于新入行人员，因为它极大地简化了开发环境的设置以及训练、验证和测试数据集的创建。它还提供了图形化的模型训练进展展示，使用 SentencePiece 来创建子词分割模型，通过直观的用户界面实现了超参数定制，以及一键模型开发的方法。开发的模型可以使用多种指标进行评估，并在应用程序内部作为翻译服务进行部署。为支持自然语言处理领域的生态友好研究，该应用程序还提供了绿色报告，标志模型开发过程中所产生的功耗和二氧化碳排放量。该应用程序免费提供。

    Mar, 2024

  • 神经系统组合机器翻译

    本文介绍了一种利用多源神经机器翻译和统计机器翻译输出的神经网络系统组合框架来提高翻译效果的方法，在中英翻译任务中实现了比传统系统组合方法更高的 BLEU 值。

    Apr, 2017

  • 同步双向神经机器翻译

    本研究提出了同步双向神经机器翻译模型，通过同时进行从左到右和从右到左解码，以相互交互的方式预测输出，从而利用历史和未来信息，并在大规模数据上实验证明其优于强的 Transformer 模型，达到了中英文和英德文翻译任务的最新性能。

    May, 2019

  • 面向神经短语机器翻译的研究

    本文提出神经短语机器翻译模型 (NPMT)，采用基于分段的序列建模方法 (SWAN) 显式建模翻译序列中的短语结构并引入新层实现局部重新排序 (Soft)。相比于基于注意力机制的 NMT 方法，NPMT 直接以顺序方式输出短语，因此可以在线性时间内解码，实验表明与强 NMT 基准模型相比，在 IWSLT 2014 德英 / 英德和 IWSLT 2015 英越机器翻译任务上表现优越，并且 NPMT 模型的输出翻译语言有意义。

    Jun, 2017