AITerms 登入
深度學習自然語言處理語音辨識

序列到序列模型(Seq2Seq)是什麼?

Seq2Seq模型是一種將一個序列轉換為另一個序列的深度學習模型,廣泛應用於機器翻譯、文本摘要、語音辨識等任務。

完整定義

Seq2Seq模型由編碼器(Encoder)和解碼器(Decoder)組成。編碼器將輸入序列轉換為一個固定長度的向量表示,解碼器則將這個向量表示轉換為目標序列。這種模型結構使得Seq2Seq模型能夠處理不同長度的輸入和輸出序列。

白話說明

你有沒有在你把中文句子丟進模型,想讓它輸出英文、摘要或一段新文字,發現只看表面常常不夠?

你可以把它想成一個先讀進來、再一步一步寫出去的序列轉換器。

翻譯、摘要、對話生成都不是單一分類,而是要把一串輸入變成另一串輸出。

記住這句

輸入是一串,輸出也是一串,就是 Seq2Seq。

比喻:Seq2Seq 就像一個「翻譯機」-- 你給它一句中文(輸入序列),它就能吐出一句英文(輸出序列),把一種形式的資訊轉變成另一種。

容易混淆

一般分類模型

分類模型像判斷圖片是貓還是狗,Seq2Seq 則像把「貓」的圖片轉成「Cat」的文字,是從一個序列變到另一個序列。

實際案例

機器翻譯把「我今天很忙」轉成英文句子,輸出長度不一定和輸入相同。

摘要系統把長新聞壓成短摘要,保留重點但刪掉多餘細節。

演算法與應用

典型架構是 encoder 讀入序列、decoder 逐步產生輸出,注意力機制讓 decoder 能看回重要片段。

現在多數任務也會直接用 Transformer 版 Seq2Seq。

情境判斷

Q1(直覺題): 把英文句子翻成中文,這是 Seq2Seq 嗎?

是。輸入和輸出都是序列,正是它的典型用途。

Q2(判斷題): 如果模型只是在判斷這句話是正面還是負面,還算 Seq2Seq 嗎?

不算。那是分類任務,不是序列轉序列。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 3 題把序列到序列模型列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本