神经机器翻译（NMT）的一些重要资源分享

    关于NNMT一些很好的资源

教程：

·        由Thang Luong编写的NMT教程   -这是一个简短的教程，循序渐进的介绍神经机器翻译的原理。但稍微令人感到失望的是，没有详细记录基础实验的运行和评估情况。当然，解决这些问题很简单，但这确实需要花一点时间。

·         原始的Tensorflow seq2seq教程  -第一个Seq2Seq实验。现在我们讨论的是WMT15 set。

·         tf-seq2seq  （博客地址：这里）

·         Graham Neubig的教程

·         Nematus

·         OpenNMT

·         NeuralMonkey（基于Tensorflow）

有一点很特别：Tensor2Tensor采用新颖的架构，而原始基于RNN / CNN解码/编码架构。它的提出，产生了惊人的收益。因此，使得NNMT有可能成为未来翻译技术发展的趋势。

重要的论文：

·         Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation by Cho Et al. (link) - Kyunghyun Cho发表的，非常创新和非常有智慧的一篇论文，还引入了GRU。

·         Sequence to Sequence Learning with Neural Networks by Ilya Sutskever (link) - 由谷歌的研究人员提出，首次显示NMT系统可以获得与传统的技术相似的效果。

·         Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation (link)

·         Neural Machine Translation by Joint Learning to Align and Translate by Dzmitry Bahdanau (link)  - 提出Attention机制的论文

·         Neural Machine Translation by Min-Thuong Luong (link)

·         Effective Approaches to Attention-based Neural Machine Translation by Min-Thuong Luong (link) – 提出如何基于local Attention去提升Attention效果。

·         Massive Exploration of Neural Machine Translation Architectures by Britz et al (link)

·         Recurrent Convolutional Neural Networks for Discourse Compositionality by Kalchbrenner and Blunsom (link)

重要博客文章/网页：

·         注意机制和增强化的循环神经网络：仅与基于注意力机制的RNN部分相关，但Olah'的文章是非常值得阅读的。

·         斯坦福大学NMT实验室页面：涉及Luong，See和Manning在NMT上的工作。非常有趣看看最近的技术。教程/代码/模型可用。

其他:(未排序）

·         JayPark的Github https://github.com/JayParks/tf-seq2seq

·         https://github.com/ematvey/tensorflow-seq2seq-tutorials

·         https://indico.io/blog/the-good-bad-ugly-of-tensorflow/

·         https://www.reddit.com/r/MachineLearning/comments/43fw8s/simple_seq2seq_example_in_tensorflow/

·         https://r2rt.com/recurrent-neural-networks-in-tensorflow-iii-variable-length-sequences.html

·         http://forums.fast.ai/t/the-wonders-of-the-new-version-of-tensorflow-1-2rc0/3491

·         http://monik.in/a-noobs-guide-to-implementing-rnn-lstm-using-tensorflow/

·         http://suriyadeepan.github.io/2016-12-31-practical-seq2seq/

在Chatbot和Summarization中使用（未排序）

·         https://tutorials.botsfloor.com/how-to-build-your-first-chatbot-c84495d4622d

·         https://medium.com/towards-data-science/text-summarization-with-amazon-reviews-41801c2210b

·         http://pavel.surmenok.com/2016/10/15/how-to-run-text-summarization-with-tensorflow/

往期精彩内容分享：

麻省理工学院-2017年-深度学习与自动驾驶视频课程分享

模型汇总22 机器学习相关基础数学理论、概念、模型思维导图分享

深度学习在自然语言处理中的应用综述

深度学习与NLP 深度学习|机器学习|人工智能 精品视频教程合集分享

深度学习/机器学习的处理器列表（最全_中文版）

纯干货14 2017年-李宏毅-最新深度学习/机器学习中文视频教程分享_后篇

纯干货10 强化学习视频教程分享（从入门到精通）

纯干货7 Domain Adaptation视频教程（附PPT）及经典论文分享

扫描下方二维码可以订阅哦！

DeepLearning_NLP

深度学习与NLP

       商务合作请联系微信号：lqfarmerlq