在cygwin下安装并成功运行srilm。 Srilm是著名的自然语言处理中语言模型的计算开源程序。 本文档为国立台湾师范大学陈柏林教授课件。 给各位自然语言处理同仁共享。

python3读取翻译Excel后写入新Excel 调用的是百度翻译API,自备百度翻译API应用，以及python的模块

Statistical Machine Translation 一本介绍统计机器翻译的书

行业分类-设备装置-具有错误自诊断和自纠错功能的统计机器翻译方法.zip

一键将网站静态资源HTML和JS中的英文字符串翻译为中文 使用命令：trans.sh -u jabari -a 123 -s ./test -d ./dist -u: 用户名 -a: 密码 -s: 源目录 -d: 生成目录

一键将网站静态资源HTML和JS中的英文字符串翻译为中文 使用命令：trans -u jabari -a 123 -s ./test -d ./dist -u: 用户名 -a: 密码 -s: 源目录 -d: 生成目录

一键将网站静态资源HTML和JS中的英文字符串翻译为中文 使用命令：trans.exe -u jabari -a 123 -s ./test -d ./dist -u: 用户名 -a: 密码 -s: 源目录 -d: 生成目录

torch-seq2seq-attention, GRU递归和注意的seq2seq机器翻译的Torch 实现 torch-seq2seq-attention这是对神经机器翻译的一个轻微的修改，通过联合学习来调整和翻译。 模型这里模型基于 torch-seq2seq 。 模型中，递归编码器输出末端( 代表整个句子)的单个矢量，解码器从那

思路 文本处理，这里我是以eng_fra的文本为例，每行是english[tab]french，以tab键分割。获取文本，清洗。 分别建立字典，一个english，一个french。 根据字典写好seq2id的函数（文本序列->数字序列），并调用将文本序列化。 初始化Encoder，Decoder模型；选择合适的优化器；设置lr，epochs等参数； 开始循环迭代： 1.因为文本太大，这里是随机选择某句进行训练。 2.句子通过Encoder，Encoder产生新的隐层和每层的输出；再将开始标志通过传给Decoder结合Encoder的隐层和每层的输出（期间用到attention，下面详细讲解）

这个案例主要是利用tfa框架Sequence to Sequence Model Architecture中的Attention以及Encoder-Decoder方法实现神经机器翻译（Neural Machine Translation，NMT），当然翻译的准确性不可能像BERT之类的那么好，但可以作为一个入门实验，通过这个案例，大家应该对Attention的使用有了更清晰、更全面的认识。