本文探讨了Google如何使用图学习技术来赋予机器幽默感，特别是在最少监督学习和半监督式学习中。通过构建数据的图表示，机器能够理解和传播标签信息，从而在大规模图模型中进行高效学习。这种方法已被应用于Google的智能回复功能，帮助识别和理解自然语言中的情感和幽默元素。
原文： Graph-powered Machine Learning at Google
作者： Sujith Ravi 译者： KK4SBB
责编：何永灿，关注人工智能，投稿请联系heyc@csdn.net或微信号289416419
近些年来，机器学习技术取得了巨大的进步，使得计算机系统能够解决复杂的现实问题。其中一项先进技术就是由Google研究院的Expander组开发的大规模、基于图的机器学习平台。基于图的机器学习是一款功能强大的工具，被广泛用于我们日常接触到的Google产品和功能，比如用于收件箱的提醒功能和Allo的智能消息，或是用于深度神经网络来支持Google Photos的最新图像识别系统。
最少监督的学习
近期大多数在深度学习和机器学习领域取得的进展，都可以归因于较好预测能力的模型，这些模型是在大量有标记数据集上训练得到，通常有上百万的训练样本。由于需要监督式的训练机器学习模型，即用人工标记过的训练数据，因此这种方法也被称为“
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
