capítulos anteriores

Aprendizaje profundo de extremo a extremo

47. Introducción al aprendizaje de extremo a extremo.

Imagine que desea crear un sistema que analice las revisiones de productos en Internet y evalúe automáticamente si el producto le gustó o no. Por ejemplo, la reseña "¡Esta es una gran fregona!" debe ser reconocido por dicho sistema como muy positivo. Y la crítica "Este trapeador de baja calidad, lo compré en vano" es extremadamente negativo.

La tarea de reconocer opiniones positivas y negativas se denomina "clasificación de sentimientos".
Tal sistema puede parecer un "transportador" que consta de dos componentes:

1. Analizador (analizador): un sistema que anota texto con información que describe palabras significativas. Por ejemplo, puede usar el analizador para denotar todos los adjetivos y sustantivos. El resultado es un texto anotado:
   "¡Este es un gran _{adjetivo para} el _{nombre de} trapeador !"
2. Clasificador de actitud: un algoritmo entrenado que acepta texto anotado como entrada y predice su color emocional. La anotación del analizador contribuye significativamente al aprendizaje del algoritmo: por ejemplo, al asignar más peso a los adjetivos, el algoritmo se ajusta rápidamente a palabras significativas, como "genial", e ignora las palabras que no tienen significado, por ejemplo, la palabra "esto".

Nota del autor: el analizador proporciona una anotación de texto mucho más rica, pero esta descripción simplificada será suficiente para explicar el aprendizaje profundo en profundidad.

Puede representar el "transportador" de dos componentes resultante de la siguiente manera:

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

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

, . . , , , .

48.

. :

:

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

:

«» , . «» .
, :

«» : , ; ; , .

«» . , « » . .
, «», :

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