MemN2N-tensorflow

收录理由

这份代码将Sukhbaatar等人提出的端到端记忆网络用TensorFlow重新实现，重点复现了论文第五部分讨论的语言建模场景。实现与论文中的多跳注意力机制保持高度一致，从记忆容量到跳数等关键结构参数都通过命令行参数暴露出来，阅读起来非常清晰，适合作为理解该模型的辅助材料。项目自带了Penn Tree Bank语料，训练后可以对照论文报告的结果检查困惑度指标。需要说明的是，它并非面向生产环境的NLP工具库，更适合当作学习样例来研读，而不是直接集成到实际系统中。整个代码体量不大，一口气读完没有问题，对于想弄明白记忆网络与常规循环语言模型差异的人来说，是个很直观的参考。