خودرمزگذار متغیر چندزبانه
خودرمزگذار متغیر چندزبانه (ML-VAE) چارچوب استاندارد VAE را برای پردازش چندین زبان در یک فضای نهفته احتمالی مشترک گسترش میدهد. رمزگذارهای زبان-خاص، متن را از هر زبان به یک نمایش پیوسته مشترک نگاشت میکنند، در حالی که رمزگشاهای زبان-خاص آن متن را بازسازی یا ترجمه میکنند. این امر تولید متقابل زبانی، انتقال سبک و یادگیری نمایش با یا بدون پیکرههای موازی را امکانپذیر میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Zhao, T., Zhang, Y., & Eskenazi, M. (2018). Zero-shot dialog generation with cross-domain latent actions. In Proceedings of the 19th Annual SIGdial Meeting on Discourse and Dialogue (pp. 1-10). ACL. link ↗
- Lample, G., Conneau, A., Denoyer, L., & Ranzato, M. (2018). Unsupervised machine translation using monolingual corpora only. In International Conference on Learning Representations (ICLR 2018). link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/fa/deep-learning/multilingual-variational-autoencoder
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- شبکه عصبی بازگشتی چندزبانهیادگیری عمیق↔ compare
- تعبیههای چندزبانه جملهیادگیری عمیق↔ compare
- ترنسفورمر چندزبانهیادگیری عمیق↔ compare
- یادگیری انتقالی با خودرمزگذار متغیریادگیری عمیق↔ compare
- Variational Autoencoderیادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →