Читать книгу Deep Learning illustriert - Jon Krohn - Страница 36

In diesem Kapitel haben Sie erfahren, wie Deep Learning für die Verarbeitung von natürlicher Sprache eingesetzt wird. Dazu haben wir die Fähigkeit von Deep-Learning-Modellen weiter beschrieben, automatisch die entscheidenden Features oder Merkmale aus Daten zu extrahieren, was uns der Notwendigkeit enthebt, arbeitsintensive 1-aus-n-Repräsentationen der Sprache herzustellen. Stattdessen setzen NLP-Anwendungen, die Deep Learning verwenden, auf Vektorraumeinbettungen, die die Bedeutung von Wörtern nuanciert erfassen, wodurch sich sowohl die Leistung als auch die Genauigkeit der Modelle verbessern.

In Kapitel 11 werden Sie eine NLP-Anwendung konstruieren. Dazu verwenden Sie vom Input der natürlichsprachigen Daten bis hin zur Ableitung der Ausgabe aus diesen Daten künstliche neuronale Netze. In solchen »Ende-zu-Ende«-Deep-Learning-Modellen erzeugen die ersten Schichten Wortvektoren, die nahtlos in tiefere, spezialisierte Schichten aus künstlichen Neuronen fließen, darunter auch in Schichten mit einer Art »Speicher« oder »Gedächtnis«. Diese Modellarchitekturen verdeutlichen, wie mächtig und zugleich wie einfach die Arbeit mit Wortvektoren beim Deep Learing ist.