翻栗子 发自 凹非寺量子位 出品 | 公众号 QbitAI
昨天，Yann LeCun大神发推宣布，Facebook的两个无监督翻译模型，开源了。
所谓无监督，便是不需要双语对照文本，只用单语语料库 (Monolingual Corpora) 来训练AI的翻译能力。
登上了EMNLP 2018
此次开源的两个模型，一个是基于短语的翻译模型 (PBSMT) ，另一个是神经翻译模型 (NMT) 。
二者都经历了以下三个步骤：
1.参数初始化
2.语言建模，有去噪效果
3.回译，自动生成双语对照
由此，即便没有双语语料库作为训练数据，AI依然能够学会翻译。
用WMT'14英法和WMT'16德英两个常用基准，评估模型的表现。结果，两个模型的BLEU分值，皆远远高过了此前表现最好的模型。
加上回译的PBSMT，几乎比前辈的成绩提升了一倍。NMT的表现也不差。
论文中写到，除了性能更强之外，Facebook团队的模型也更简单，超参数比较少。
两只骄傲的AI翻译官，登上了EMNLP 2018。
代码，终于开源了
NMT和PBSMT两个模型的代码实现，都在GitHub上面了。
NMT：
NMT代码实现支持以下功能。
· 三种机器翻译架构：seq2seq，biLSTM+注意力，Transformer
· 在不同模型、不同语言之间，共享参数
· 去噪自编码器的训练
· 双语对照数据训练
· 反向双语对照训练
· 即时多线程生成反向对照数据
还有一些论文里面没用到的功能，比如：
· 任意数量的语种· 语言模型预训练/共同训练，参数共享· 对抗训练
PBSMT：
PBSMT代码实现支持以下功能。
· 无监督的短语表 (phrase-table) 生成脚本
· 自动Moses训练
请开始，你的翻译
要训练自己的AI翻译，你需要以下工具：
Python 3NumPyPyTorchMoses（用来清洁和标记化文本/训练PBSMT模型）fastBPE（用来生成并应用BPE代码）fastText（用来生成嵌入）MUSE（用来生成跨语言嵌入）
准备好了的话，就开始吧。
GitHub传送门：https://ift.tt/2P455Gn
论文传送门：https://ift.tt/2HT0FBx
— 完 —
欢迎大家关注我们的专栏：量子位 - 知乎专栏
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。
量子位 QbitAI· 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
没有评论:
发表评论