99精品在线观看-99精品在线免费观看-99精品在线视频观看-99精品这里只有精品高清视频-99九九精品国产高清自在线

x

NLP 領域還有 5 大開放問題

2019-09-22 11:03:40 雷鋒網(wǎng)
點擊關注->創(chuàng)芯網(wǎng)公眾號,后臺告知EETOP論壇用戶名,獎勵200信元
雖然 NLP 研究領域已經(jīng)在深度學習的幫助下取得了長足的發(fā)展,許多技術也已經(jīng)商業(yè)化落地,但我們也需要知道,這個領域還有幾個開放性問題等待解決 —— 如果它們也能比較好地解決,也許我們能迎來 NLP 科研成果與商業(yè)落地的一個新的高潮。

下面列舉的 5 個開放性問題來自自學 NLP 的機電一體化本科生 Deepak Garasangi 在 Reddit 上的發(fā)帖討論內(nèi)容總結(jié),并且參考了 Sebastian Ruder 曾經(jīng)總結(jié)的 4 個開放性問題。按重要性從輕到重排序:
 

5. 評價指標
 

這個問題在領域內(nèi)不算很大的瓶頸,但是經(jīng)常有研究人員覺得有必要重新討論這個問題,因為現(xiàn)行慣例里往往不問原因就沿用某些固定的架構(gòu)、數(shù)據(jù)集和評價指標。有人這樣總結(jié):「隨著我們探索越來越高級的認知任務,弄明白為什么某些方法、某些架構(gòu)在某些時候能起到好的效果,這對我們非常有幫助。」
 

另外一種擔憂是對于評價指標自身的,這些評價技巧、這些生成的數(shù)字到底能在多大程度上對應人類語言的多樣性和表達能力?對這個問題的回答也可以幫助我們構(gòu)建出更有趣的自然語言推理數(shù)據(jù)集。
 

拓展閱讀:EMNLP 2017 論文《Why We Need New Evaluation Metrics for NLG》(https://www.aclweb.org/anthology/D17-1238)
 

4. 終生學習(Life long learning)
 

NLP 領域遇到的另一個棘手問題是為這幾個問題設計解決方案:
 

低階模型用于下游任務時的終生適配遷移學習的應用視覺、文本、音頻等等語言相關模態(tài)的無縫整合低資源情境中高效的跨任務遷移拓展閱讀:Sebastian Ruder 近期寫了一篇文章,總結(jié)了 NLP 領域遷移學習的現(xiàn)狀,雷鋒網(wǎng) AI 科技評論也做了編輯,可以點擊閱讀
 

3. 面向目標的對話系統(tǒng)(Goal oriented dialogue systems)
 

從 ACL 學會出版的論文集來看,近一兩年的 ACL 會議、EMNLP 會議中研究面向目標的對話系統(tǒng)的論文都有大幅增加。這就是又一個開放性問題:如何設計具備常識、能在真實世界語境中與人類進行較長的、面向目標的交談的機器對話系統(tǒng)。目前的研究思路包括:帶有狀態(tài)追蹤的任務驅(qū)動的對話系統(tǒng),使用強化學習的對話系統(tǒng),以及很多別的新點子。
 

拓展閱讀:在 NLP 中應用強化學習 https://www.csie.ntu.edu.tw/~yvchen/doc/KAIST19_Tutorial.pdf


2. 低資源語言
 

這可以算是最緊迫的問題。目前全世界大約有 7000 種語言,但這些語言中只有很小的一部分,大概 20 種左右,可以算是資源豐富的語言。這個問題除了很實際之外,在其中找到靈感、取得進展也相對比較容易。專家們認為可行的方向包括:
 

為低資源語言設計收集數(shù)據(jù)、用較小數(shù)據(jù)訓練語言模型的方法可以有效用于低資源語言的跨任務遷移方法拓展閱讀:詳細的說明文章參見 http://www.cs.cmu.edu/~ytsvetko/jsalt-part1.pdf
 

1. 自然語言理解
 

沒錯,這就是那個最開放的問題,它和 NLP 領域中的許多具體問題也都息息相關。想要解決這個高階的認知問題,可能需要我們從強化學習、領域適應、小樣本/零樣本學習等等領域中借鑒很多思想和方法,也還需要 NLP 研究人員們做出更多創(chuàng)新。
 

現(xiàn)階段的研究落腳點包括:
 

共指消歧(Coreference resolution)、多義詞解析(Polysemy)、文本/文檔總結(jié)(Text/Document Summarization)論證與推理,諷刺與幽默高效地表征大文本環(huán)境中的語言學習(Grounded language learning),比如聯(lián)合學習一個世界模型和語言模型,并且學習如何在語言模型中使用世界模型。
 

Yoshua Bengio 曾說:「要有野心。不要(因為做 NLP 就)僅僅讀 NLP 論文。要讀很多機器學習、深度學習、強化學習的論文。」我們也希望各位研究者們可以打開眼界,多多參考以前和現(xiàn)在的包括別的領域的有用經(jīng)驗,才能解決更難的問題、做出更大的成果。


免責聲明:本文由作者原創(chuàng)。文章內(nèi)容系作者個人觀點,轉(zhuǎn)載目的在于傳遞更多信息,并不代表EETOP贊同其觀點和對其真實性負責。如涉及作品內(nèi)容、版權(quán)和其它問題,請及時聯(lián)系我們,我們將在第一時間刪除!

關鍵詞: NLP 深度學習

  • EETOP 官方微信

  • 創(chuàng)芯大講堂 在線教育

  • 半導體創(chuàng)芯網(wǎng) 快訊

全部評論

主站蜘蛛池模板: 亚洲色图 在线视频| 久久国产精品最新一区| 欧美日韩一区二区在线视频| 91madou传媒在线观看| 日韩精品一区二区在线观看| 欧美一级毛片免费看高清| 国产精品黄色| 97se狠狠狠狠狠亚洲综合网| 久久精品国产精品亚洲婷婷| 无码中文字幕日韩专区| 51激情精品视频在线观看| 久在线精品视频| 未满十八18周岁禁止免费国产| 欧美一级毛片免费观看软件 | 亚洲videosbestsex日本| aaaa一级片| 久久婷婷色一区二区三区| 亚洲大片免费观看| 伊人亚洲综合网成人| 看黄色小视频| 久草水蜜桃| 青草在线观看| 一级毛片看真人在线视频| 日韩亚洲欧美性感视频影片免费看| 国内精品久久久久香蕉| 国产欧美日韩一区二区三区| 特级黄aaaaaaaaa毛片| 精品视频99| 国产在线播放一区二区| 欧美成综合网网站| 中国人xxxxbbbb国产| ww毛片| 久久不射网| 久久综合中文字幕| 日本特黄特黄刺激大片| 色花堂国产精品第二页| 国产码欧美日韩高清综合一区 | 亚洲日韩第一页| 女日韩优在线| 日本精品视频一区二区三区| 毛片无限看|