Autoencodeur variationnel multilingue
Un autoencodeur variationnel multilingue (ML-VAE) étend le cadre standard des VAE pour gérer plusieurs langues au sein d'un espace latent probabiliste partagé. Des encodeurs spécifiques à chaque langue mappent le texte de chaque langue vers une représentation continue commune, tandis que des décodeurs spécifiques à chaque langue reconstruisent ou traduisent ce texte. Cela permet la génération cross-lingue, le transfert de style et l'apprentissage de représentations avec ou sans corpus parallèles.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/fr/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.
- Réseau de neurones récurrent multilingueApprentissage profond↔ compare
- Plongements de phrases multilinguesApprentissage profond↔ compare
- Transformeur multilingueApprentissage profond↔ compare
- Apprentissage par transfert avec autoencodeur variationnelApprentissage profond↔ compare
- Autoencodeur VariationnelApprentissage profond↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →