الفصول السابقة

التعلم العميق الشامل

47. إدخال التعلم من البداية إلى النهاية

تخيل أنك تريد إنشاء نظام يقوم بتحليل مراجعات المنتج على الإنترنت ويقوم تلقائيًا بتقييم ما إذا كان المنتج قد أعجب بالمراجع أم لا. على سبيل المثال ، مراجعة "هذا ممسحة رائعة!" يجب أن يعترف مثل هذا النظام بأنها إيجابية للغاية. ومراجعة "هذه الممسحة منخفضة الجودة - اشتريتها عبثا" سلبية للغاية.

تسمى مهمة التعرف على الآراء الإيجابية والسلبية "تصنيف المشاعر".
قد يبدو مثل هذا النظام بمثابة "ناقل" يتكون من مكونين:

1. محلل (محلل): نظام يقوم بتعليق النص بمعلومات تصف الكلمات المهمة. على سبيل المثال ، يمكنك استخدام المحلل للدلالة على جميع الصفات والأسماء. والنتيجة هي النص المشروح:
   "هذا امر عظيم _صفة ممسحة _إسم !"
2. مصنف الموقف: خوارزمية مدربة تقبل النص المشروح كمدخل وتتنبأ بالألوان العاطفية. يساهم تعليق المحلل اللغوي بشكل كبير في تعلم الخوارزمية: على سبيل المثال ، من خلال ربط مزيد من الوزن بالصفات ، يتم تعديل الخوارزمية بسرعة إلى كلمات ذات معنى ، مثل "رائع" ، وتتجاهل الكلمات التي لا تحمل معنى ، على سبيل المثال ، كلمة "هذا".

ملاحظة المؤلف: يقدم المحلل شرحًا أكثر ثراءً للنص ، ولكن هذا الوصف المبسط سيكون كافيًا لشرح التعلم المتعمق.

يمكنك تصوير "الناقل" الناتج المكون من اثنين على النحو التالي:

«» . (​end-to-end learning algorithm​) , « !» , :

(end-to-end learning systems) . «» , , , . «» «».

, . . , , , .

48.

. :

:

1. : , MFCC (- ), , , , .
   : , - , ,
2. . , «». , «k» «keep» — , «c» «cake». .
3. : .

:

«» , . «» .
, :

«» : , ; ; , .

«» . , « » . .
, «», :

, (end-to-end learning) , . , , . .