有限状态转换器的神经归纳

有限状态转换器是用于字符串到字符串重写任务的有效模型，通常提供高性能应用所需的效率，但手工构建转换器十分困难。在这项工作中，我们提出了一种新方法，遵循循环神经网络学习到的隐状态几何，自动构建无权 FSTs。我们在形态屈折变化、字素到音素预测和历史文本规范化的真实数据集上评估了我们的方法，结果表明，所构建的 FSTs 在许多数据集上具有高准确性和鲁棒性，在留出测试集上的准确率比经典转换器学习算法高出最多 87%。