自然语言处理中的卷积神经网络

本课程的内容包括:应用于自然语言处理中的CNN技术、工作原理以及自然语言处理中的CNN模型变种和改进(课时:60 分钟)

自然语言处理 深度学习 CNN

讲师:   李嫣然


课程背景

卷积神经网络(CNN)最早是被应用在计算机视觉领域的,然而,CNN只能用在和图像有关的领域吗?并不是这样,CNN还可以应用在自然语言处理(NLP)领域,并且还能获得特别好的效果。那要如何把CNN应用在NLP领域哪?在今天的课程中就为你讲个一清二楚。

课程目的

学完本课程,你能做到

  • 了解卷积神经网络(CNN)的基本工作原理

  • 了解卷积神经网络是如何应用在NLP领域的

  • 了解NLP领域中CNN的变种与改进

课程详情

在本讲解中,我们从如下方面介绍了应用在NLP领域的特殊CNN技术:

  • 自然语言处理中的CNN的特点

    • 提炼语言中的多层次信息

    • 考虑多个词汇的各种可能组合

  • CNN的工作原理

    • 卷积操作、池化操作、特征图(feature map)

  • 自然语言处理中的CNN模型变种和改进

    • 动态池化、可变窗口大小、字符级别的CNN模型、高速公路网络