0% au considerat acest document util (0 voturi)
13 vizualizări2 paginiCampus X Prelegerea 1 NLP
Documentul discută aplicațiile din lumea reală și sarcinile comune în procesarea limbajului natural (NLP). Acesta descrie reclame contextuale, filtrarea spam-ului, motoarele de căutare și chatboții ca aplicații NLP din lumea reală. Sarcinile comune NLP menționate includ clasificarea textului, analiza sentimentelor, detectarea limbii și traducerea automată, agenții conversaționali, sistemele de răspuns la întrebări, sumarizarea textului, modelarea subiectelor, generarea de text, verificarea ortografică, corectarea gramaticii și analiza sintactică a textului. Documentul acoperă, de asemenea, diferite abordări ale NLP, inclusiv metodele euristice/bazate pe reguli, metodele de învățare automată și metodele de învățare profundă.
Încărcat de
ScribdTranslationsDrepturi de autor
© © All Rights Reserved
Respectăm cu strictețe drepturile privind conținutul. Dacă suspectați că acesta este conținutul dumneavoastră, reclamați-l aici.
Formate disponibile
Descărcați ca PDF, TXT sau citiți online pe Scribd
0% au considerat acest document util (0 voturi)
13 vizualizări2 paginiCampus X Prelegerea 1 NLP
Documentul discută aplicațiile din lumea reală și sarcinile comune în procesarea limbajului natural (NLP). Acesta descrie reclame contextuale, filtrarea spam-ului, motoarele de căutare și chatboții ca aplicații NLP din lumea reală. Sarcinile comune NLP menționate includ clasificarea textului, analiza sentimentelor, detectarea limbii și traducerea automată, agenții conversaționali, sistemele de răspuns la întrebări, sumarizarea textului, modelarea subiectelor, generarea de text, verificarea ortografică, corectarea gramaticii și analiza sintactică a textului. Documentul acoperă, de asemenea, diferite abordări ale NLP, inclusiv metodele euristice/bazate pe reguli, metodele de învățare automată și metodele de învățare profundă.
Încărcat de
ScribdTranslationsDrepturi de autor
© © All Rights Reserved
Respectăm cu strictețe drepturile privind conținutul. Dacă suspectați că acesta este conținutul dumneavoastră, reclamați-l aici.
Formate disponibile
Descărcați ca PDF, TXT sau citiți online pe Scribd
Aplicații în lumea reală:-
[Link]ă Contextuală (Conținutul pe care îl văd pe Insta, primesc reclame în legătură cu)
numai la asta)
2. Filtrare spam sau răspuns inteligent
[Link] de căutare
[Link]ți
Sarcini comune de NLP
1. Clasificarea textelor/documentelor (de exemplu, categorisirea știrilor ca știri sportive,
politică)
[Link] sentimentală
[Link] limbii și traducerea automată (aceasta identifică limba textului pe care îl
tapezi și apoi traduci-l)
[Link] de conversie (chatbots)
5. Graf de cunoștințe și sisteme de întrebări și răspunsuri, conectează cunoștințele și folosește acest google
poți afla orice, de exemplu, dacă cauți cine este prim-ministrul Japoniei, atunci
oferă rezultatul instantaneu.
6. Rezumarea textului.
[Link] subiectelor (ca de exemplu, descoperirea pe ce se bazează articolul dat).
Generarea de text (când tastezi pe tastatură, oferă sugestii despre ce să scrii)
9. Verificarea ortografiei și corectarea gramaticii.
[Link] textului (explicarea propoziției pentru computer dacă cuvântul în aceasta
propoziția este substantiv sau verb etc
[Link] la text (Google translate)
Abordări în NLP
[Link] euristice
[Link] bazate pe învățarea automată.
[Link] bazate pe învățare profundă.
1. Abordare euristică (Abordări bazate pe reguli) - realizată de oameni
Expresii regulate (îndepărtarea semnelor de punctuație dintr-o propoziție)
Wordnet (Dicționar lexical) stocăm cuvinte legate de un alt cuvânt (de exemplu
cuvintele legate de carte sunt stocate, cum ar fi volum, ediție. stocate într-un mod organizat.
Minte deschisă CommonSense (Fapte comune despre limbă, cum ar fi stocarea faptelor)
al limbii engleze)
Avantaje:
Făcut de un om, așa că șansele de eroare sunt mai mici.
[Link] învățării automate
Problemele cu minte deschisă pot avea prea multe reguli, ceea ce nu este posibil pentru oameni să
fă aceste reguli mai numeroase. mai puternice decât metoda euristică.
[Link] Naivă
[Link] logistică
[Link]
[Link] (modelare de subiecte)
5. Modele Markov ascunse (pot fi folosite pentru etichetarea părților de vorbire)
3. Abordări bazate pe învățare profundă.
Informațiile secvențiale sunt păstrate de modelele de învățare profundă, în timp ce nu sunt.
reținute de modelele ml.
2. Generarea de caracteristici este efectuată automat de modelele de învățare profundă, în ml ai
să o faci singur
Modele:-
[Link]
[Link]
[Link]/CNN
Transformatoare (partea propoziției poate fi dată atenției, ceea ce a îmbunătățit rezultatele)
drastic
[Link](set de două rețele neuronale bazate pe LSTM, una fiind encoder și
acest decodor)(folosit pentru traducerea automată)
Provocări în PNL:-
[Link] (o propoziție poate avea multe sensuri) acest lucru nu este posibil de explicat
mașină
