深度学习在自然语言处理中应用李晟群摘 要:多年来,深度学习在图像和语音处理领域已经取得显著进展,不过在同属人类认知范围自然语言处理任务中,,梳理、总结了相关文件,介绍深度学习基础概念;分析讨论了目前面向自然语言处理深度学台和工具;:自然语言处理,深度学习,,不过在自然语言处理上还未取得重大突破,和语音和图像不一样,语言是一个经过人类大脑产生并加工处理符号系统,似乎模拟人脑结构人工神经网络应该在自然语言处理领域拥有更多优势,,近几十年来,基于统计模型成为自然语言处理非主流方法以后,,这一切在Hinton等提出深度学习[1]以后,情况发生了改变,目前结合深度学习模型开展自然语言处理相关应用已经取得了一定结果,,(Deeplearning)经过建立深层神经网络,模拟人脑机制进行解释并分析学习图像、语音及文本等数据,,很大程度上依靠于人工设计数据表示和输入特征有效性;,深度学习试图自动完成数据表示和特征提取工作;而且深度学、不一样维度有效表示,,,而在自然语言处理领域,,.()[2]提出了利用递归神经网络建立语言模型,该模型利用递归神经网络为每个词学习一个分布表示(distributedrepresentation)同时,,.()[3]提出了一个利用神经网络和知识库(knowledgebase)学习介个化信息嵌入(StructuredEmbeddings)方法,.()[4]提出了连续词袋模型(continuousbagofwords,CBOW),该模型使用句子中某个词位置周围词来估计该词;该工作还同时提出了skipgram模型,,Mikolovetal.[4]开源了工具word2vec4,用来训练词向量,()[5]
深度学习在自然语言处理中的应用样本 来自淘豆网m.daumloan.com转载请标明出处.
