关注微信公众号：人工智能前沿讲习， 重磅干货，第一时间送达
Sequence to Sequence Learning with Neural Networks
seq2seq是最先进NMT（神经机器翻译）的奠基之作，不围观一下？其核心思想是用一个LSTM将可变长度的输入序列编码为固定长度的隐特征表示，另一个LSTM将此隐特征再解码为可变长度的输出序列。
论文链接
https://arxiv.org/pdf/1409.3215.pdf
Neural Machine Translation by Jointly Learning to Align andTranslate
没有attention的seq2seq就像没有翅膀的鸟，一双翅膀送给你。在seq2seq模型中，源序列的所有信息都解码到最后一个时刻的隐含层，造成了信息瓶颈。在加入attention机制之后，decoder部分利用了encoder部分的所有输入信息（加权求和）。原来输出的梯度只能从最后一个时刻的隐含状态向更早时刻传导，有了attention机制之后，梯度能直接传导到输入部分，降低的梯度消失的风险。当然，效果也确实比原始seq2seq好多了。
论文链接
https://arxiv.org/pdf/1409.0473.pdf
博客链接
https://distill.pub/2016/augmented-rnns/
SequenceTransduction with Recurrent Neural Networks
seq2seq的输出部分只知道softmax？赶紧学习beam search的新姿势，不然也不好意思说自己懂NLP，是吧？
论文链接
https://arxiv.org/pdf/1211.3711.pdf
Massive Exploration of Neural Machine Translation
本文做好多个实验，用GPU总共跑25w个小时！！得到相当多的实验性靠谱结论，1）数据预处理很重要。2）嵌入空间的维数并非越大越好，在作者的实验中2048维的总体效果最好。2）LSTM的效果好于GRU。3）seq2seq模型中，encoder的深度多于2层不见得有好处，太深的话反而会使训练发散。4）双向LSTM好于单向LSTM。还有其它好处祥见论文啦~
论文链接
https://arxiv.org/pdf/1703.03906.pdf
a Deep Reinforced Model for Abstractive Summarization
之前的attention太naive啦，赶紧学两个fancy的新attention机制去装逼~_^。对于长文本的总结任务，一般的seq2seq模型经常出现重复和不一致的词组。为此，论文在encoder部分使用了intra-temporal attention，又首次在decoder部分使用了intra-attention(self-attention)，值得注意的是，它使用了不同于最初的attention形式，且进行了新颖的规范化，以降低以前时刻的比重。此外，在以最小化负对数似然函数训练seq2seq模型时，往往还会存在exposure bias的问题----训练的时候有下一个字符的监督信息，而测试时没有这种监督信息。为此，论文还将最大似然交叉熵损失和策略梯度强化学习中reward结合起来以缓解这个问题。
论文链接
https://arxiv.org/abs/1705.04304
Get To ThePoint: Summarization with Pointer-Generator Networks
attention机制玩转了，再学个coverage机制耍耍呗？！对文本总结任务的seq2seq模型，本文的亮点作者在attention机制的基础上又使用了coverage机制，以解决相同词组重复出现问题。此外，论文还提出了pointer-generator网络，通过pointer从源文本中复制词句，辅助提升其准确性；通过generator产生新词，就像原来的seq2seq一样。
论文链接
https://arxiv.org/abs/1704.04368
博客链接
http://www.abigailsee.com/2017/04/16/taming-rnns-for-better-summarization.html
代码链接
www.github.com/abisee/pointer-generator
BlackOut: Speeding up Recurrent Neural Network Language Models With Very Large Vocabularies
softmax输出节点巨多咋办？？看这篇论文呗！！论文提出BlackOut----一个近似算法，用于高效训练大型递归神经网络语言模型 （RNNLMs），其高效体现在训练速度快、效果好，大型体现在百万级的词汇量（即百万级的分类，所以适用于任何有大量softmax输出结点的网络，包括CV领域）。BlackOut的核心在于将判别损失函数与加权采样策略结合起来，极大提高了稳定性、采样效率、收敛速度。具体来说，作者将softmax和cross entropy的训练等效表示为最大似然(maximum likelihood)的形式，同时按照unigram分布只采样部分输出节点（通常是所有输出结点的1/200！）。当然之所以这样做是因为对于百万级别的分类任务，其计算的瓶颈在softmax层。
论文链接
https://arxiv.org/abs/1511.06909
代码链接
https://github.com/IntelLabs/rnnlm
Attention Is All You Need
没有RNN的NMT模型不拜读一下？？论文提出Transformer模型（作者可能是变形金刚迷~），其效果比带RNN的NMT模型质量更好、可并行化（重点！）、速度快。而只利用了Attention机制！牛皮不是吹的，火车不是推的，GitHub上3900 star也不盖的~_^
论文链接
https://arxiv.org/abs/1706.03762
代码链接
https://github.com/tensorflow/tensor2tensor
LayerNormalization
还记得Batch Normalization吗？Layer Normalization算是其中一种变体。BN是对Batch这一维计算统计量，LN是对当前层所有神经元计算统计量。之所以这么做的动机是基于BN对RNN这时序结构不友好。而我推荐这篇论文的最大理由，其实是因为上篇推荐论文里用到了:)
论文链接
https://arxiv.org/pdf/1607.06450.pdf
