目录
word2vec是自然语言处理中的一个非常重要的模型。word2vec是指把一个词转化成向量。我们为什么要把词转化成向量呢?通常情况下我们在做机器学习任务的时候,我们的输入是一个特征数据,特征数据是指数值型的东西,因为我们的机器是认识这些数值型的数据的,但是在我们的任务中,我们拿到的数据不光是数值型的,还有字符型的或者文本型的数据,对于这样的数据来说,为了让计算机认识这些数据,我们需要把这些词转化成向量,再把这些向量拼接在一起,把这些向量输入,那么我们就可以让计算机知道这些文本表达了什么含义了。自然语言处理最常见的几类应用如下图所示:
在自然语言处理中,比较重要的就是深度学习。深度学习基础的模型是神经网络,比如你想让你的机器学到东西,你给它指定了一个网络,在网络里,你给它指定了一个学习目标,比如说你定义好了一个损失函数,那么在神经网络的优化过程当中,它就会不断的朝着一个可优化的方向前进,如下图中的右图所示,最低点就是损失函数优化的目标。
为什么需要研究深度学习,如下图所示:
上面简述了自然语言处理和深度学习。下面我们来说一下语言模型,如下图所示:
机器翻译、拼写纠错和智能问答等在做一件事情的时候,都会涉及到语言模型,就是说他们接触的都是一句一句的话或者可能要把这些句子组合在一起,组合成一篇文章。例如下图中的机器翻译,机器翻译在翻译的过程中会从之前学习到的信息中,通常表示价格昂贵的词组是high price 而不是lar