Многоязычный вариационный автокодировщик
Многоязычный вариационный автокодировщик (ML-VAE) расширяет стандартную архитектуру VAE для обработки нескольких языков в общем вероятностном латентном пространстве. Кодировщики, специфичные для каждого языка, отображают текст из каждого языка в общее непрерывное представление, в то время как декодеры, специфичные для каждого языка, реконструируют или переводят этот текст. Это позволяет осуществлять кросс-языковую генерацию, перенос стиля и обучение представлений с параллельными корпусами или без них.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multilingual Variational Autoencoder (ML-VAE). ScholarGate. https://scholargate.app/ru/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.
- Многоязычная рекуррентная нейронная сетьГлубокое обучение↔ compare
- Многоязычные вложения предложенийГлубокое обучение↔ compare
- Мультиязычный трансформерГлубокое обучение↔ compare
- Transfer Learning with a Variational AutoencoderГлубокое обучение↔ compare
- Вариационный автокодировщикГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →