Deep Learning for Texts

Những năm gần đây chứng kiến sự trở lại mạnh mẽ của mạng nơ-ron nhân tạo trong các mô hình học tự động với tên gọi học sâu. Học sâu đã và đang được ứng dụng trong nhiều bài toán khác nhau để thu được những kết quả tốt nhất trong nhiều lĩnh vực của khoa học máy tính. Bài giảng này tập trung giới thiệu mô hình học sâu và ứng dụng trong một số bài toán xử lí ngôn ngữ tự nhiên và khai phá dữ liệu văn bản. Một số chủ đề cơ bản và nâng cao được đề cập trong bài giảng gồm: mạng nơ- ron tiến (FFANN), mạng nơ-ron truy hồi (RNN), mạng nơ-ron nhân cuộn (CNN); các thuật toán ước lượng tham số và hiệu chỉnh mô hình; một số ứng dụng và kết quả mới nhất của học sâu trong phân tích ngôn ngữ tự nhiên, phân loại văn bản và phân tích quan điểm.

Files đính kèm

deeplearningfortexts.pdf

Tin khác:

Trường Khoa Học Máy Tính & Trí Tuệ Nhân Tạo

Khoa Công Nghệ Thông Tin

Deep Learning for Texts