Char-level-Neural-Machine-Translation-using-Attention-Mechanism

Implementation of Character level NMT(Neural Machine Translation) Model using RNN and Attention Wrapper

(This model converts english spelling to korean pronunciation.)

[email protected]

reference

1. Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation, Cho
2. Sequence to Sequence Learning with Neural Networks, Sutskever

data reference

1. 네이버 글로벌회화

1. NMT 모델 만들기.

네이버 글로벌회화 페이지에서는 카테고리별 영어 문장을 소개하고 있다.
총 16개의 카테고리를 다음과 같이 정리할 수 있다.

0(기본표현) : Hello. Nice to meet you. 헬로우. 나이스 투 미츄.
0(기본표현) : How are you doing? 하우 아 유 두잉?
...
15(긴급상황) : Your car has been towed. 유어 카 해즈 빈 토우드.
15(긴급상황) : My car was towed, I'd like to reclaim it. 마이 카 워즈 토우드, 아잇 라익 투 리클레임 잇.

본 프로젝트는 영어 문장을 한글 독음으로 변환하는 내용을 다룬다.
기본 입출력 데이터는 word 단위가 아닌 char 단위로 embedding matrix를 사용한다.
성능 향상을 위해 Multicell RNN과 Attention Mechanism을 추가하였다.
도식화 하면 다음과 같다.

2. Test result

2.1 실험 결과는 다음과 같다.

2.2 Training loss

2.3 Graph