【ACL2019】深度贝叶斯自然语言处理，304页ppt带你了解最新研究进展

【导读】本文为大家带来了ACL2019的最新教程，全面介绍深度贝叶斯方法在自然语言处理领域的应用。

介绍：

本入门教程介绍了NLP深度贝叶斯学习的最新研究进展，此类进展可应用于：语音识别、文本摘要、文本分类、文本分割、信息提取、图片标题生产、句子生成、对话控制、情感分类、推荐系统等问题中。从传统上说，“深度学习”被认为是一种学习的过程，其中的推理或优化环节，是通过real-valued deterministic模型实现的。从大型词表中提取出的单词、句子、实体、动作等语义结构，难以在数学或计算机程序中得到很好的表达。用于NLP的离散或连续隐变量模型中的“分布函数”可能无法被适当地分解或估计。

本教程将介绍统计模型与神经网络的基础知识，重点介绍一系列先进的贝叶斯模型和深层模型，包括层次Dirichlet过程、chinese restaurant process、 hierarchical Pitman-Yor process、Indian buffer process、循环神经网络、长短期记忆模型、seq2seq模型、变分自编码器、生成式对抗网络、注意力机制、增强记忆神经网络、skip神经网络、随机神经网络、策略神经网络和马尔可夫递归神经网络。我们将介绍这些模型的连接方式，以及为什么它们适用于自然语言中符号和复杂模式的各种应用。最后介绍了一系列的案例研究，以解决深度贝叶斯学习中的不同问题。最后，我们将指出未来研究的一些方向和展望。

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“ACL2019DBNLP” 就可以获取《深度贝叶斯自然语言处理》的下载链接~ 

教程大纲：

• 介绍

• 背景与动机

• 概率模型

• 神经网络

• 贝叶斯学习

• 推断与优化

• 变分贝叶斯推断

• 蒙特卡洛马尔可夫链推断

• 贝叶斯非参

• 层次主题模型

• Nested Indian buffet process

• 深度序列学习

• deep unfolded主题模型

• 门式递归神经网络

• 贝叶斯递归神经网络

• 记忆增强神经网络

• seq2seq学习

• 卷积神经网络

• 扩大神经网络

• 注意力网络与transformer

• 深度贝叶斯序列学习

• 变分自编码器

• 变分递归自编码器

• 层次变分自编码器

• 随机递归神经网络

• 正规递归神经网络

• skip递归神经网络

• 马尔可夫递归神经网络

• 时序差分变分自编码器

• 未来的挑战以及优势
  

附PPT内容预览：

更多精彩内容，请关注公众号下载观看！

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！560+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程