Лекция 3 | GloVe: Глобальные векторы для представления слов
Автор: Stanford University School of Engineering
Загружено: 2017-04-03
Просмотров: 231437
Описание:
В лекции 3 представлена модель GloVe для обучения векторных представлений слов. Затем мы расширяем обсуждение векторных представлений слов (взаимозаменяемо называемых векторными представлениями слов), рассматривая, как их можно оценивать внутренне и внешне. По ходу дела мы обсуждаем пример аналогий слов как метод внутренней оценки и то, как его можно использовать для настройки методов векторного представления слов. Затем мы обсуждаем веса/параметры обучения модели и векторные представления слов для задач внешней оценки. Наконец, мы обосновываем существование искусственных нейронных сетей как класса моделей для задач обработки естественного языка.
Ключевые фразы: Глобальные векторы для представления слов (GloVe). Внутренние и внешние оценки. Влияние гиперпараметров на задачи оценки аналогий. Корреляция человеческого суждения с расстояниями между векторными представлениями слов. Работа с неоднозначностью в контекстах использования слов. Классификация окон.
-------------------------------------------------------------------------------
Обработка естественного языка с помощью глубокого обучения
Преподаватели:
Крис Мэннинг
Ричард Сочер
Обработка естественного языка (NLP) занимается ключевой технологией искусственного интеллекта — пониманием сложной человеческой речи. Этот цикл лекций представляет собой всестороннее введение в передовые исследования в области глубокого обучения, применяемого в NLP, — подход, который в последнее время продемонстрировал очень высокую производительность во многих различных задачах NLP, включая ответы на вопросы и машинный перевод. Особое внимание уделяется реализации, обучению, отладке, визуализации и проектированию моделей нейронных сетей, охватывая основные технологии: векторные представления слов, модели прямого распространения, рекуррентные нейронные сети, рекурсивные нейронные сети, сверточные нейронные сети и новейшие модели, включающие компонент памяти.
Дополнительные возможности обучения доступны по адресу:
http://online.stanford.edu/
Повторяем попытку...
Доступные форматы для скачивания:
Скачать видео
-
Информация по загрузке: