English
邮箱
联系我们
网站地图
邮箱
旧版回顾



环亚国际:曾感動過無數人

文章来源:环亚国际    发布时间:2018年09月26日 05:40  【字号:      】

环亚国际

为什么我们要反对洗稿?

“差评”风波反思:要消灭洗稿,还得靠内容平台

正如我此前所言,电影、音乐、图书,许多内容产业从萧条到繁荣,无一不是在构建了相对完善的内容知识产权保护体系之后——并且都是最近几年的事情。现在,内容创业如火如荼,知识产权是根基。

分论坛:教育圆桌:亚洲大学的崛起

4月10日下午,博鳌亚洲论坛2018年年会期间,举行了一场以《亚洲大学的崛起》为主题的教育圆桌会议。会议上,清华大学校长、亚洲大学联盟创始主席邱勇就亚洲大学在全球快速发展时期中将起的作用、大学创新设施与技术转移、以及开放办学理念对大学的意义等话题发表了自己的观点。

来自泰国朱拉隆功大学、印度尼西亚大学等十余所联盟高校的嘉宾受邀出席此次会议,凤凰卫视主持人陈鲁豫主持此次会议。

事实上,尽管全球共有大约七千种口语,但是绝大多数语言都不具备训练可用机器翻译系统所需的大量资源。此外,即使具有大量平行数据的语言,也并没有口语对话或者社交媒体文本等非正式风格的数据,这通常和正式的书面风格大有不同。对任何语言对而言,获取数百万平行句子的数据都是相当困难的。而为任何语言寻找单语数据都会容易一些。

微软提出新型通用神经机器翻译方法,挑战低资源语言翻译问题

微软使用半监督通用神经机器翻译的方法解决了平行数据不足的挑战,对于极低资源的语言而言,这种方法仅仅需要数千个平行语句就可以实现高质量的机器翻译系统。这项令人激动的研究(https://www.microsoft.com/en-us/research/publication/universal-neural-machine-translation-extremely-low-resource-languages/)将在 NAACL 2018 上展示。

图 1:训练数据较少的情况下不可能获得较高的 BLEU 得分。

如图 1 所示,使用有限数量的训练样本不可能达到高质量的翻译准确率。所以微软提出的方法着重于只有有限数量训练样本的情景,例如,只有 6000 个训练样本。

图 2: 神经机器翻译编码器-解码器框架中编码器方面的改进。

电商一周|亚马逊永久拉黑高退货率用户,干得漂亮!

我的看法是,没有什么生意是简单的。生鲜的供应链管理极难,搞不好就是高损耗率,进而带来更糟糕的用户体验和用户投诉,最终适得其反。就算这是一个好生意,建议还是慢慢来比较快,欲速则不达。

腾讯社交广告与唯品会达成五年合作:社交时代品牌电商新探索




(责任编辑:周淋)

附件:

专题推荐

相关新闻


© 1996 - 2017 中国科学院 版权所有 京ICP备05002857号  京公网安备110402500047号 

网站地图    地址:北京市三里河路52号 邮编:100864