斯坦福NLP组最新报告：自然语言处理中的学习挑战（附149页报告全文下载）

【导读】近年来，随着深度学习算法的进步，自然语言处理技术得到了充分的发展。但该领域中仍存在着很多急需解决的关键问题，本文为大家带来了斯坦福NLP Group的最新报告，介绍自然语言处理技术中的学习挑战。

介绍：

随着语言学习过程中可用数据的不断增长，语言结构的作用越来越受到重视。与此同时，研究者需要仔细检查数据中的模式信息，这些模式可能会令模型在基准测试中获得较高的性能。在本次讲座中，将讨论这些挑战。

首先，将介绍脚手架学习（scaffolded learning）的范式。脚手架将令我们可以通过一个结构化数据源的归纳偏差，来预测结构相关的不同句子，在这一过程中仅需要使用一些必要的监督信息。我们将展示由此产生的语言表示，在一系列任务中的性能效果，表明即使是在强大的深度学习架构中，语言结构仍然是非常有意义的。

在第二部分，将展示自然语言处理模型在大数据环境中所展示出来的一些属性，即使这些模型在某些任务中表现出色，有时甚至声称会击败人类，但仔细观察就会发现，模型预测的并不是某种复杂推理的结果，而且任务也没有以通用的方式来完成。相反，这种成功很大程度上依赖了数据集上的标注工作。

最后，我们将讨论该领域中发现的问题，以及未来的工作方向。

原始链接

https://nlp.stanford.edu/seminar/details/sswayamdipta.shtml

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“LCNLP” 就可以获取《自然语言处理学习挑战》的下载链接~ 

作者简介：

Swabha Swayamdipta是CMU语言技术研究所的博士生（目前是华盛顿大学的访问生），她与Noah Smith和Chris Dyer合作，开发用于语言结构预测的高效算法，研究重点是使模型能够整合句法信息。在攻读博士学位之前，她在哥伦比亚大学获得了硕士学位，并曾在Google AI与西雅图的Allen人工智能研究所进行研究实习。

附报告全文：

-END-

专 · 知

专知《深度学习:算法到实战》课程全部完成！520+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！

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《深度学习:算法到实战》课程，咨询技术商务合作~

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程