自然語言處理實戰之卷積神經網絡怎麼搞？

{"type":"doc","content":[{"type":"blockquote","content":[{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null},"content":[{"type":"text","text":"爲什麼在NLP分類任務中選擇CNN呢?它的主要好處是高效率。在許多方面，由於池化層和卷積核大小所造成的限制(雖然可以將卷積核設置得更大)，會導致丟棄大量的信息，但這並不意味着它們不是有用的模型。大家已經看到，利用CNN能夠有效地對相對較大的數據集進行檢測和預測情感，即使依賴Word2vec詞嵌入，CNN也可以在不映射整個語言的條件下，通過較少的詞嵌入表示來運行。（本文節選自"},{"type":"link","attrs":{"href":"https:\/\/item.m.jd.com\/product\/12971676.html?wxa_abtest=b&utm_source=iosapp&utm_medium=appshare&utm_campaign=t_335139774&utm_term=CopyURL&ad_od=share&utm_user=plusmember&gx=RnFhy2ZdPmXZydTBJz2g-cplovyIHJs","title":"xxx","type":null},"content":[{"type":"text","text":"《自然語言處理與實戰》"}]},{"type":"text","text":"一書第七章節）"}]}]},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null}},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null},"content":[{"type":"text","text":"語言的真正力量不在於文字本身，而在於文字的間隔、順序以及詞的各種組合。有時候，語言的意義隱藏在文字的背後，蘊含在形成詞的特定組合的意圖和情感中。無論是人類還是機器，理解隱藏在文字背後的意圖，對於同理心強、情商高的傾聽者或自然語言的閱讀者而言，都是一項重要的技能。就像在思想和觀念中，正是詞之間的聯繫創造了語言的深度、信息度和複雜度。除了理解單個詞的含義，詞之間還有各種各樣巧妙的組合方式，有沒有一些比 n-gram 匹配更靈活的方法，可以用來衡量這些組合詞的意義呢?我們如何從一個詞序列中得到語義和情感——隱性語義信息，從而利用它來做一些事情呢?更進一步地說，我們如何才能將這種隱藏的語義傳達給冰冷的計算機來生成文本呢?"}]},{"type":"paragraph","attrs":{"indent":0,"number":0,"align":null,"origin":null}}]}