1. 程式人生 > >deep learning在NLP上的應用相對不理想的一種解釋

deep learning在NLP上的應用相對不理想的一種解釋

總的來說,深度學習在NLP上取得的進展沒有在語音影象上那麼令人影響深刻。一個很有意思的悖論是:相比於聲音和影象,語言是唯一的非自然訊號,是完全由人類大腦產生和處理的符號系統,但模仿人腦結構的人工神經網路卻似乎在處理自然語言上沒有顯現明顯優勢?

Deep Learning 演算法已經在影象和音訊領域取得了驚人的成果,但是在 NLP 領域中尚未見到如此激動人心的結果。關於這個原因,引一條我比較贊同的微博。

@王威廉:Steve Renals算了一下icassp錄取文章題目中包含deep learning的數量,發現有44篇,而naacl則有0篇。有一種說法是,語言(詞、句子、篇章等)屬於人類認知過程中產生的高層認知抽象實體,而語音和影象屬於較為底層的原始輸入訊號,所以後兩者更適合做deep learning來學習特徵。
2013年3月4日 14:46

摘自:

http://www.csdn.net/article/2013-05-29/2815479

http://licstar.net/archives/328