【资源】用深度学习解决自然语言处理中的7大问题,文本分类、语言建模、机器翻译等
本文讲的是用深度学习解决自然语言处理中的7大问题,文本分类、语言建模、机器翻译等,自然语言处理领域正在从统计学方法转向神经网络方法。在自然语言中,仍然存在许多具有挑战性的问题。但是,深度学习方法在某些特定的语言问题上取得了state-of-the-art的结果。不仅仅是在一些benchmark问题上深度学习模型取得的表现,这是最有趣的;事实上,单个模型可以学习单词的含义和执行语言任务,从而避免需要一套专门的、人工的方法。
这篇文章将介绍深度学习方法正在取得进展的7类有趣的自然语言处理任务。
- 文本分类
- 语言建模
- 语音识别
- 字幕生成
- 机器翻译
- 文档摘要
- 问题回答
每个任务都提供了对问题的描述,一个例子,以及有关演示方法和结果的论文的引用。大多数参考资料来自Goldberg的A Primer on Neural Network Models for Na
