Fler- eller målspråklig LSTM
En fler- eller målspråklig LSTM (Long Short-Term Memory) är ett rekurrent neuralt nätverk som tränats eller finjusterats för att bearbeta sekvenser på flera språk, typiskt genom att dela en enda modell över språk-specifika eller gemensamma subord-inbäddningar. Den fångar långväga beroenden i text och tillämpas på fler- eller målspråklig klassificering, namngiven entitetsigenkänning, sentimentanalys och sekvensmärkning.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Hochreiter, S. & Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735 ↗
- Long short-term memory. Wikipedia. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multilingual Long Short-Term Memory Network. ScholarGate. https://scholargate.app/sv/deep-learning/multilingual-lstm
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.
- Long Short-Term Memory (LSTM)Djupinlärning↔ compare
- Multilingual GRUDjupinlärning↔ compare
- Fler språk-rekurrent neuralt nätverkDjupinlärning↔ compare
- Flerspråkiga meningsinbäddningarDjupinlärning↔ compare
- Multilingual TransformerDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →