【EMNLP干货】自然语言中的深度隐变量模型（附211页PDF下载）

【导读】2018年度EMNLP大会将于10月31日-11月4日在比利时布鲁塞尔举办。EMNLP是自然语言处理领域顶级国际会议，每年吸引世界各国上千名学者交流自然语言处理发展前沿。10月31日至11月1日为 Tutorial 及 Workshop 环节，正会从11月2日开始，11月4日结束。会议热门方向有信息提取、信息检索和问答系统、语言理论、心理语言学、社交媒体、机器翻译和多语言等等。本文章为大家整理了哈佛nlp团队，关于自然语言中的深度隐变量模型的教程详情，并附带Slides下载。

介绍：

本次的教程主要涵盖了深度隐变量模型的一些研究工作，讲解隐变量在什么情况下可实现精确推理。在可精确推理的场景中，包括无监督标注与parsing任务的神经模型扩展。而对于无法精确推理的场景，模型计算将被局限于连续的隐变量之中。

我们将讨论最近的一些工作进展，包括神经变分推断（如，变分自编码器等），以及implicit density modeling（如，生成式对抗网络）。我们将着重讨论这么方法在NLP任务中面临的挑战，并讨论最近的一些最佳实践工作。

Tutorial Code (Pytorch,，Pyro，科学上网)：

https://colab.research.google.com/drive/1b522fQGUdFI8Wl840D_XsevYYdbIAlrl

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“DLVM” 就可以获取PDF下载链接~ 

附PDF全文：

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

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！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知