寒阳，范玥灿，毛丽，曹翔现在是机器思考，学习并创造的世界。此外，他们做这些事情的能力会迅速增加，直到在一个明显的未来，他们能处理的问题范围将与人类思想应用的范围一起扩大。——赫伯特·西蒙，年1月14日TexasDataDay的大会上，DeepGrammar的联合创始人、CEO、人工智能专家和机器学习专家JonathanMugan做了题为《从自然语言处理到人工智能（DeepLearningforNaturalLanguageProcessing》的演讲。JonathanMugan专注人工智能、机器学习与自然语言处理的结合。本次演讲中，他重点阐述了如何从自然语言处理到人工智能，以及两条具体路径：符号路线和亚符号路线。本文基于本次演讲的64页ppt整理汉化完成。点击右上角进入大数据文摘后台，回复“自然语言处理”获取完整版演讲ppt。人工智能已经变得更聪明。尤其是深度学习，但是，计算机仍不能智能地读取或交谈。要想了解语言，计算机需要了解世界。他们需要回答类似于下面这样的问题——为什么你可以用绳拉马车却不推它？为什么体操运动员用一条腿竞争是不寻常的？为什么只有外面下雨?如果有一本书在桌上，你推桌子，会发生什么?如果鲍勃去垃圾场，那么他会在机场吗？让我们以一种基于感觉和行动的方式理解语言——当某人说“鸡”的时候，我们直接把它和我们对于鸡的经验相匹配，我们理解彼此因为我们有相同的经历，这就是电脑需要的一种理解能力。两种理解含义的路径:无意义的标记词袋（Bags-of-words）表述：将词语视为任意符号，并查看其频率。“狗咬人”和“人咬狗”完全一致。考虑一个有50,个单词的词汇表：“aardvark”的位置是0“ate”的位置是2“zoo”的位置是49,一个词袋可以是一个有50,维度的向量。“Theaardvarkatethezoo.”=[1,0,1,...,0,1]我们可以做的更好一点，通过数出这些词数出现的频率。tf:词频（termfrequency），单词出现的频率。“Theaardvarkatetheaardvarkbythezoo.”=[2,0,1,...,0,1]提升非常见词汇：认为非常见词汇比常见词汇更能表征文本，我们可以得到更好的结果。将每个条目乘以一个表示它在语料库中有多常见的度量。idf:逆文本频率指数idf(术语,文本)=log(文本数量/包含术语的文本的数量)10文本，只有一个有“aardvark”，5个有“zoo”，5个有“ate”tf-idf:tf*idf“Theaardvarkatetheaardvarkbythezoo.”=[4.6,0,0.7,...,0,0.7]称为向量空间模型。你可以将这些向量放入任何分类器，或者基于类似的向量找到相似的文档。主题模型(LDA)：潜在狄利克雷分布（LatentDirichletAllocation）你选择主题的数量，每个主题是一个关于单词的分布，每个文档是一个关于主题的分布，在Python主题模型gensim中很容易操作（

转载请注明:http://www.aideyishus.com/lkzp/7066.html