समापन और अंतिम चुनौती

Keras के साथ Machine Translation

Thushan Ganegedara

Data Scientist and Author

अब तक आपने क्या किया है

• अध्याय 1
  • एन्कोडर-डिकोडर आर्किटेक्चर का परिचय
  • GRU लेयर समझना
• अध्याय 2
  • एन्कोडर इम्प्लीमेंट करना
  • डिकोडर इम्प्लीमेंट करना
  • डिकोडर प्रेडिक्शन लेयर इम्प्लीमेंट करना

अब तक आपने क्या किया है

• अध्याय 3
  • डेटा प्रीप्रोसेस करना
  • मशीन ट्रांसलेशन मॉडल ट्रेन करना
  • ट्रांसलेशन जनरेट करना
• अध्याय 4
  • टीचर फोर्सिंग का परिचय
  • टीचर फोर्सिंग के साथ मॉडल ट्रेन करना
  • ट्रांसलेशन जनरेट करना
  • मशीन ट्रांसलेशन के लिए वर्ड एम्बेडिंग्स उपयोग करना

मशीन ट्रांसलेशन मॉडल

• मॉडल 1
  • एन्कोडर अंग्रेज़ी शब्दों (onehot encoded) को लेता है और एक कॉन्टेक्स्ट वेक्टर आउटपुट करता है
  • डिकोडर कॉन्टेक्स्ट वेक्टर लेता है और ट्रांसलेशन आउटपुट करता है
• मॉडल 2
  • एन्कोडर अंग्रेज़ी शब्दों (onehot encoded) को लेता है और एक कॉन्टेक्स्ट वेक्टर आउटपुट करता है
  • डिकोडर ट्रांसलेशन का कोई दिया हुआ शब्द (onehot encoded) लेता है और अगला शब्द प्रेडिक्ट करता है
• मॉडल 3
  • onehot encoding के बजाय, वर्ड वेक्टर उपयोग करता है
  • वर्ड वेक्टर शब्दों के सेमांटिक संबंध कैप्चर करते हैं

विभिन्न मॉडलों का प्रदर्शन

नवीनतम विकास और आगे की पढ़ाई

• मशीन ट्रांसलेशन मॉडलों का मूल्यांकन
  • BLEU स्कोर (Papineni et al., BLEU: a Method for Automatic Evaluation of Machine Translation.)
• वर्ड-पीस मॉडल
  • मॉडल को आउट-ऑफ-वोकैबुलरी शब्दों से बचने में मदद करता है (Sennrich et al., Neural Machine Translation of Rare Words with Subword Units.)
• Transformer मॉडल (Vaswani et al., Attention Is All You Need)
  • कई NLP टास्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन, मशीन ट्रांसलेशन सहित
  • एन्कोडर-डिकोडर आर्किटेक्चर है, पर सीक्वेंशियल मॉडल उपयोग नहीं करता
  • नवीनतम Google ट्रांसलेटर एक Transformer मॉडल है

शुभकामनाएँ!

Keras के साथ Machine Translation