1、什么是NLP？

定義。融合了計算機科學、AI和計算語言學的人工智能領域的一個分支。

NLP levels。單詞結構的形態分析，句子結構的句法分析，語義解釋（結合上下文得出的語義就引出了語用學和語篇處理）。

應用。機器翻譯、口語對話系統、生成開發知識庫、語音識別、情感分析，在商業上掀起研究NLP 的浪潮。

人類語言的特殊之處：一是專門構造用于傳達說話者（寫作者）的意思，二來它是一個分散的、象征性的、絕對的信號系統（語言就是系統）?

2、什么是DL？

深度學習是ML的一個分支，主要研究如何讓計算機自動學習，而不是人工教授、手工寫代碼。

DL是表征學習（representation learning）的一個分支，它試圖獲得多層的習得表征和最佳輸出，實際表現就是你在研究中用到了神經網絡的模型。

探索DL的原因。手工設計的特征不完整、過于專一、設計和證實的時間周期長；習得特征自適應和學習能力好；用于監督學習和無監督學習；表征的信息多樣，視覺的，語言的；效果較之其他機器學習方法明顯提高。

在DL領域首個突破在語音識別上，再是計算機視覺領域（在ImageNet計算機視覺競賽中出色表現）

3、學習前提

Prerequisites

熟練使用培Python；熟悉矩陣、多元微積分、線性代數相關概念；基本概率統計知識；機器學習相關（loss function、optimization with gradient descent）

4、為什么NLP很難？

5、Deep NLP = DL + NLP

近幾年在NLP領域的發展，通過不同的

• 層次：詞匯學，句法學，語義學
• 工具：詞性標注，名稱識別，找句子語法結構
• 應用：機器翻譯，情感分析，聊天助手，問答系統

深度學習和語言都是以詞義為起點（第二講），將一個單詞用向量表示，維度自定義，組成單詞向量（vectors for words），同類型的單詞就會聚集在向量空間中，若要觀察到需要用一些方法，如主成分分析、非線性降維，來投射到二維空間，以便觀察。

Morpheme:the smallest unit of meaning that a word can be divided into.

應用舉例：用神經網絡進行依存句法分析（dependency parsing）

運用DL在NLP的各個應用領域，像機器翻譯，情感分析，聊天助手，問答系統上，都呈現出了大幅度的提高。

小tip：NLP最早進行研究是在美蘇冷戰時開始的。。。

下一講預告

?

轉載于:https://www.cnblogs.com/py-fwg/p/9905794.html

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的cs224n第一讲深度自然语言处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。