NMT2016

ニューラル機械翻訳(Bahdanau et al., 2015)の実装
RNNの各ユニットはLSTMで構成

1. 事前準備

• Python 3.4.x
• chainer (>ver 1.16)
• hdf5
• gensim (>ver 0.13.3)

2. モデルのトレーニング

translate.shの環境変数でパスを指定。()内の実行時オプションでも指定可。

• MODE (-a)
• SOURCE_FILE (-s)
• TARGET_FILE （-o）
• MODEL_DIR (-m）

MODE: train
SOURCE_FILE: 原言語コーパス
TARGET_FILE: 目的言語コーパス
MODEL_DIR: モデルを保存するためのディレクトリ

SOURCE_FILEとTARGET_FILEに含まれる文は、以下のような単語分割済みかつ1行1文であること。  

例  
私 は 日本人 です 。
I am Japanese .

モデルは各エポックごとにMODEL_DIRに'ファイル名.エポック数'で書き込まれる（デフォルトのファイル名は'epoch'）。
GPUを用いない場合（USE_GPU=0）、学習にかなりの時間を要します。
上記の変数を指定したのち、./translate.shを実行で学習開始。

3. テスト

translate.shの環境変数でパスを指定。()内の実行時オプションでも指定可。

• MODE (-a)
• SOURCE_FILE (-s)
• OUTPUT_FILE (-o)
• MODEL_DIR (-m)
• MODEL_NUM (-n)

MODE: test
OUTPUT_FILE: 出力を書き込むファイル
MODEL_DIR: モデルを読み込むディレクトリ
MODEL_NUM: エポック数

SOURCE_FILEに含まれる文は、以下のような単語分割済みかつ1行1文であること。　

私 は 日本人 です 。

OUTPUT_FILEには、単語分割された文が出力されます。  

I am Japanese .

上記の変数を指定したのち、./translate.shを実行でテスト開始。