99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀(guān)看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

淺談圖神經(jīng)網(wǎng)絡(luò)在自然語(yǔ)言處理中的應(yīng)用簡(jiǎn)述

深度學(xué)習(xí)自然語(yǔ)言處理 ? 來(lái)源:深度學(xué)習(xí)與圖網(wǎng)絡(luò) ? 作者:深度學(xué)習(xí)與圖網(wǎng)絡(luò) ? 2021-04-26 14:57 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

近幾年,神經(jīng)網(wǎng)絡(luò)因其強(qiáng)大的表征能力逐漸取代傳統(tǒng)的機(jī)器學(xué)習(xí)成為自然語(yǔ)言處理任務(wù)的基本模型。然而經(jīng)典的神經(jīng)網(wǎng)絡(luò)模型只能處理歐氏空間中的數(shù)據(jù),自然語(yǔ)言處理領(lǐng)域中,篇章結(jié)構(gòu),句法甚至句子本身都以圖數(shù)據(jù)的形式存在。因此,圖神經(jīng)網(wǎng)絡(luò)引起學(xué)界廣泛關(guān)注,并在自然語(yǔ)言處理的多個(gè)領(lǐng)域成功應(yīng)用。該文對(duì)圖神經(jīng)網(wǎng)絡(luò)在自然語(yǔ)言處理領(lǐng)域中的應(yīng)用進(jìn)行了系統(tǒng)性的綜述, 首先介紹了圖神經(jīng)網(wǎng)絡(luò)的核心思想并梳理了三種經(jīng)典方法: 圖循環(huán)網(wǎng)絡(luò),圖卷積網(wǎng)絡(luò)和圖注意力網(wǎng)絡(luò);然后在具體任務(wù)中,詳細(xì)描述了如何根據(jù)任務(wù)特性構(gòu)建合適的圖結(jié)構(gòu)以及如何合理運(yùn)用圖結(jié)構(gòu)表示模型。該文認(rèn)為,相比專(zhuān)注于探索圖神經(jīng)網(wǎng)絡(luò)的不同結(jié)構(gòu),探索如何以圖的方式建模不同任務(wù)中的關(guān)鍵信息,是圖神經(jīng)網(wǎng)絡(luò)未來(lái)工作中更具普遍性和學(xué)術(shù)價(jià)值的一個(gè)研究方向。

c907e590-a643-11eb-aece-12bb97331649.png

自然語(yǔ)言處理中存在很多圖結(jié)構(gòu)。如圖 1 所 示,從句法結(jié)構(gòu)、語(yǔ)義關(guān)系圖、篇章關(guān)系結(jié)構(gòu),到實(shí)體和共指結(jié)構(gòu)、關(guān)系結(jié)構(gòu)和知識(shí)圖譜,都是一般的圖結(jié) 構(gòu)。一個(gè)句子內(nèi)部的字、詞相鄰關(guān)系也構(gòu)成圖結(jié)構(gòu)。形式上,圖由節(jié)點(diǎn)和邊組成。本文以三類(lèi)圖結(jié)構(gòu)為 例,觀(guān)察自然語(yǔ)言處理任務(wù)中相關(guān)的節(jié)點(diǎn)和邊,以便 更具體地了解這些任務(wù)所對(duì)應(yīng)的圖。

第一類(lèi)圖結(jié)構(gòu)是基于句子的語(yǔ)言結(jié)構(gòu)。已有研究表明,對(duì)關(guān)系提取、機(jī)器翻譯和其他自然語(yǔ)言處理 任務(wù),句法[1]、語(yǔ)義[2]和篇章結(jié)構(gòu)信息[3]非常有用。因此,一種在句子上定義圖結(jié)構(gòu)的方法是把每個(gè)詞 當(dāng)作節(jié)點(diǎn),并把句法依存關(guān)系、語(yǔ)義角色和篇章關(guān)系 等節(jié)點(diǎn)之間的鏈接當(dāng)作邊。我們可以在相鄰單詞之 間添加多種類(lèi)型的邊,從而形成一種具有統(tǒng)一節(jié)點(diǎn) 類(lèi)型但具有不同邊類(lèi)型的圖。

第二類(lèi)圖結(jié)構(gòu)是基于文檔中的實(shí)體和共指關(guān)系 連接構(gòu)建的,如圖 1(a)所示。對(duì)于機(jī)器閱讀的任 務(wù),有研究表明,為了正確地回答問(wèn)題,對(duì)參考文檔 中不同的句子進(jìn)行推理可能是有必要的[4]。一種為 這種推理構(gòu)建圖結(jié)構(gòu)的方法是把文檔中提及的實(shí)體 作為節(jié)點(diǎn),并把實(shí)體之間的共指鏈接作為邊。另外, 除了文本文檔中的實(shí)體,知識(shí)圖譜中的實(shí)體也可以 使用圖神經(jīng)網(wǎng)絡(luò)進(jìn)行編碼,如圖1(b)所示。

第三類(lèi)圖結(jié)構(gòu)可以是結(jié)構(gòu)預(yù)測(cè)任務(wù)中的圖結(jié)構(gòu) 本身。具體來(lái)說(shuō),如圖1(c)所示,多個(gè)基準(zhǔn)結(jié)構(gòu)化 預(yù)測(cè)模型給出的候選圖結(jié)構(gòu)可以使用圖神經(jīng)網(wǎng)絡(luò)表 示來(lái)進(jìn)行重排序。這樣的候選圖結(jié)構(gòu)可以由一個(gè)基 線(xiàn)系統(tǒng)的k 個(gè)最優(yōu)的輸出結(jié)構(gòu)組成。當(dāng)將這些結(jié) 構(gòu)整合在一起形成一個(gè)圖時(shí),可以提取其中有用的 特征,以便從中進(jìn)一步預(yù)測(cè)出正確的輸出[5]。

近年來(lái),圖神經(jīng)網(wǎng)絡(luò)已被廣泛運(yùn)用到自然語(yǔ)言 處理的大多數(shù)任務(wù)當(dāng)中。有一系列的工作利用圖神 經(jīng)網(wǎng)絡(luò)對(duì)上述幾類(lèi)任務(wù)中的圖結(jié)構(gòu)進(jìn)行編碼,從而 更充分地得到相關(guān)表示,能有效地解決相關(guān)問(wèn)題。本綜述系統(tǒng)性地匯報(bào)相關(guān)工作,首先介紹圖神經(jīng)網(wǎng) 絡(luò)的基本概念,然后根據(jù)不同任務(wù),分別介紹圖網(wǎng)絡(luò) 在自然語(yǔ)言處理中的應(yīng)用。與已有的圖神經(jīng)網(wǎng)絡(luò)綜 述[6-7]相比,本文針對(duì)自然語(yǔ)言處理進(jìn)行詳細(xì)闡述。
編輯:lyn

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀(guān)點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    自然語(yǔ)言處理與機(jī)器學(xué)習(xí)的關(guān)系 自然語(yǔ)言處理的基本概念及步驟

    自然語(yǔ)言處理(Natural Language Processing,簡(jiǎn)稱(chēng)NLP)是人工智能和語(yǔ)言學(xué)領(lǐng)域的一個(gè)分支,它致力于研究如何讓計(jì)算機(jī)能夠理解、解釋和生成人類(lèi)語(yǔ)言。機(jī)器學(xué)習(xí)(Ma
    的頭像 發(fā)表于 12-05 15:21 ?1981次閱讀

    語(yǔ)音識(shí)別與自然語(yǔ)言處理的關(guān)系

    人工智能的快速發(fā)展,語(yǔ)音識(shí)別和自然語(yǔ)言處理(NLP)成為了兩個(gè)重要的技術(shù)支柱。語(yǔ)音識(shí)別技術(shù)使得機(jī)器能夠理解人類(lèi)的語(yǔ)音,而自然語(yǔ)言
    的頭像 發(fā)表于 11-26 09:21 ?1495次閱讀

    什么是LLM?LLM自然語(yǔ)言處理的應(yīng)用

    所未有的精度和效率處理和生成自然語(yǔ)言。 LLM的基本原理 LLM基于深度學(xué)習(xí)技術(shù),尤其是變換器(Transformer)架構(gòu)。變換器模型因其自注意力(Self-Attention)機(jī)制而聞名,這種機(jī)制使得模型能夠捕捉文本的長(zhǎng)距
    的頭像 發(fā)表于 11-19 15:32 ?3641次閱讀

    ASR與自然語(yǔ)言處理的結(jié)合

    ASR(Automatic Speech Recognition,自動(dòng)語(yǔ)音識(shí)別)與自然語(yǔ)言處理(NLP)是人工智能領(lǐng)域的兩個(gè)重要分支,它們許多應(yīng)用緊密結(jié)合,共同構(gòu)成了
    的頭像 發(fā)表于 11-18 15:19 ?1025次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)自然語(yǔ)言處理的應(yīng)用

    。 卷積神經(jīng)網(wǎng)絡(luò)的基本原理 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋神經(jīng)網(wǎng)絡(luò),它通過(guò)卷積層來(lái)提取輸入數(shù)據(jù)的特征。圖像處理
    的頭像 發(fā)表于 11-15 14:58 ?802次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語(yǔ)言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?1865次閱讀

    深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型

    深度學(xué)習(xí)近年來(lái)多個(gè)領(lǐng)域取得了顯著的進(jìn)展,尤其是圖像識(shí)別、語(yǔ)音識(shí)別和自然語(yǔ)言處理等方面。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的一個(gè)分支,因其
    的頭像 發(fā)表于 11-15 14:52 ?844次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)自然語(yǔ)言處理的應(yīng)用

    自然語(yǔ)言處理(NLP)是人工智能領(lǐng)域的一個(gè)重要分支,它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類(lèi)語(yǔ)言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)因其
    的頭像 發(fā)表于 11-15 09:41 ?813次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別

    神經(jīng)網(wǎng)絡(luò)(RNN) RNN的基本結(jié)構(gòu) RNN是一種特殊的神經(jīng)網(wǎng)絡(luò),它能夠處理序列數(shù)據(jù)。RNN,每個(gè)時(shí)間步的輸入都會(huì)通過(guò)一個(gè)循環(huán)結(jié)構(gòu)傳遞到
    的頭像 發(fā)表于 11-13 09:58 ?1208次閱讀

    使用LSTM神經(jīng)網(wǎng)絡(luò)處理自然語(yǔ)言處理任務(wù)

    自然語(yǔ)言處理(NLP)是人工智能領(lǐng)域的一個(gè)重要分支,它旨在使計(jì)算機(jī)能夠理解、解釋和生成人類(lèi)語(yǔ)言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,特別是循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)及其變體——長(zhǎng)短期記憶(LSTM)
    的頭像 發(fā)表于 11-13 09:56 ?1157次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的基本原理 如何實(shí)現(xiàn)LSTM神經(jīng)網(wǎng)絡(luò)

    LSTM(長(zhǎng)短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長(zhǎng)期依賴(lài)信息。處理序列數(shù)據(jù)時(shí),如時(shí)間序列分析、自然語(yǔ)言
    的頭像 發(fā)表于 11-13 09:53 ?1578次閱讀

    自然語(yǔ)言處理的未來(lái)發(fā)展趨勢(shì)

    和深度學(xué)習(xí)技術(shù)的發(fā)展,NLP的應(yīng)用范圍越來(lái)越廣泛,從簡(jiǎn)單的文本分析到復(fù)雜的語(yǔ)言理解任務(wù),NLP技術(shù)都在不斷進(jìn)步。 1. 深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的進(jìn)一步應(yīng)用 深度學(xué)習(xí)技術(shù),特別是神經(jīng)網(wǎng)絡(luò),已經(jīng)
    的頭像 發(fā)表于 11-11 10:37 ?1723次閱讀

    自然語(yǔ)言處理與機(jī)器學(xué)習(xí)的區(qū)別

    人工智能的快速發(fā)展,自然語(yǔ)言處理(NLP)和機(jī)器學(xué)習(xí)(ML)成為了兩個(gè)核心的研究領(lǐng)域。它們都致力于解決復(fù)雜的問(wèn)題,但側(cè)重點(diǎn)和應(yīng)用場(chǎng)景有所不同。 1.
    的頭像 發(fā)表于 11-11 10:35 ?1540次閱讀

    FPGA深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)作為其核心算法之一,圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域取得了顯著成果。然而,傳統(tǒng)的深度
    的頭像 發(fā)表于 07-24 10:42 ?1200次閱讀

    圖像識(shí)別技術(shù)包括自然語(yǔ)言處理

    圖像識(shí)別技術(shù)與自然語(yǔ)言處理是人工智能領(lǐng)域的兩個(gè)重要分支,它們很多方面有著密切的聯(lián)系,但也存在一些區(qū)別。 一、圖像識(shí)別技術(shù)與自然語(yǔ)言處理的關(guān)
    的頭像 發(fā)表于 07-16 10:54 ?1562次閱讀