Machine learning 如何将RNN应用于序列到序列NLP任务？
我对NLP任务上的序列到序列RNN感到非常困惑。之前，我已经实现了一些分类任务的神经模型。在这些任务中，模型将单词嵌入作为输入，并使用网络末端的softmax层进行分类。但是神经模型是如何完成seq2seq任务的呢？如果输入是单词嵌入，那么神经模型的输出是什么？这些任务包括问答、对话系统和机器翻译。您可以使用编码器-解码器体系结构。编码器部分将您的输入编码为固定长度的向量，然后解码器将该向量解码为您的输出序列，不管这是什么。编码层和解码层可以根据您的目标函数（仍然可能涉及软最大值）共同学习。看看这个模型是如何在神经机器翻译中使用的。解码器在这里一个接一个地发出单词，以便生成正确的翻译。您可以使用编码器-解码器体系结构。编码器部分将您的输入编码为固定长度的向量，然后解码器将该向量解码为您的输出序列，不管这是什么。编码层和解码层可以根据您的目标函数（仍然可能涉及软最大值）共同学习。看看这个模型是如何在神经机器翻译中使用的。解码器在这里一个接一个地发出单词，以便生成正确的译文Machine learning 如何将RNN应用于序列到序列NLP任务？,machine-learning,nlp,recurrent-neural-network,lstm,Machine Learning,Nlp,Recurrent Neural Network,Lstm,我对NLP任务上的序列到序列RNN感到非常困惑。之前，我已经实现了一些分类任务的神经模型。在这些任务中，模型将单词嵌入作为输入，并使用网络末端的softmax层进行分类。但是神经模型是如何完成seq2seq任务的呢？如果输入是单词嵌入，那么神经模型的输出是什么？这些任务包括问答、对话系统和机器翻译。您可以使用编码器-解码器体系结构。编码器部分将您的输入编码为固定长度的向量，然后解码器将该向量解码为您的输出序列，不管这是什么。编码层和解码层可以根据您的目标函数（仍然可能涉及软最大值）共同学习。看看