本文共 525 字，大约阅读时间需要 1 分钟。

作者：chen_h

从今天开始，我会对一些研究论文做一个简短的摘要，我个人比较关注的领域是机器学习，强化学习和自然语言处理。我希望这个简短的摘要可以帮助到你。当然，我也有别的目的。我希望我能通过每天的阅读，可以帮助我提高论文写作和分析能力。

今天，我们来讨论一下最近的 Facebook AI research（FAIR）那篇卷积序列学习论文。以下是阅读本文的主要观点：

主要成果

1. 对于机器翻译任务，卷积神经网络也能取得比较好的效果。

2. 与循环神经网络相比，卷积神经网络具有高度并行性。因此，机器翻译系统可以做的更快。作者在性能上面提高了 9 倍。

3. 多跳机制：网络不是一个句子一个句子看，而是多个句子一起看，这样才能产生更好的翻译。

为什么选择 CNN 而不是 RNN？

速度和可扩展性！

实验结果

1. 在 WMT’16 英语 - 罗马尼亚语的翻译中取得最先进的结果，超过以前的最佳结果 1.8 BLEU。

2. 在 WMT’14 英语 - 德语翻译中，结果比强大的 LSTM （Wu et al.(2016)）还要好。

3. 此外，作者说他的翻译速度提升了 9 倍。

代码

完整代码请点击。

来源：

转载地址：http://ktdqb.baihongyu.com/