机器翻译：基础与模型学习笔记——机器翻译前沿 神经机器翻译模型训练 神经机器翻译在当代遇到问题常有以下三部分： 对大容量模型的有效训练，也就是数据集的构建和过拟合之间的矛盾； 如何更好地训练模型，也就是特征选择和评价指标的判断标准；t

机器翻译：基础与模型学习笔记——神经机器翻译 人工神经网络和神经语言建模 深度学习与人工神经网络 提到神经网络，绕不开的两个关键词便是深度学习和分布式表示。分布式早期的思想是“一个复杂系统任何部分的输入都应该是多个特征共同表示的结果”

机器翻译：基础与模型学习笔记——统计机器翻译 [TOC] 基于词的机器翻译建模 传统翻译过程： 分析：将源语言句子表示为适合机器翻译的结构，分词； 转换：每个单词转换成目标语言单词； 生成：将目标语言译文转换成合乎语法的句子； 单

CoLaDa: A Collaborative Label Denoising Framework for Cross-lingual Named Entity Recognition 本文代码：vert-papers/papers/Co

机器翻译：基础与模型学习笔记——机器翻译基础 [TOC] 现代翻译系统的基础：从数据中自动学习翻译知识，并运用这些知识对新的文本进行翻译。 机器翻译的发展历程 早期：基于书写的规则，存在覆盖范围小、噪声非常敏感的特点； 发展：基于数

2023年计算机保研经验分享|次九rk8% 注：本次记录只代表个人观点，仅供参考。 前言 首先不得不感慨一下今年计算机保研的艰难程度，今年相比往年更加注重综合能力的考核，已然不是绩点为王的时代了。非常难受的是，我的绩点、科研和竞赛都比较