Pembelajaran mendalam end-to-end

47. Memperkenalkan pembelajaran ujung ke ujung

Bayangkan Anda ingin membuat sistem yang menganalisis ulasan produk di Internet dan secara otomatis mengevaluasi apakah produk itu disukai oleh reviewer atau tidak. Misalnya, ulasan “Ini pel hebat!” harus diakui oleh sistem seperti itu sebagai sangat positif. Dan ulasan “Pel ini berkualitas rendah - saya membelinya dengan sia-sia” sangat negatif.

Tugas mengenali pendapat positif dan negatif disebut "klasifikasi sentimen".
Sistem seperti itu mungkin terlihat seperti "conveyor" yang terdiri dari dua komponen:

Parser (parser): sistem yang membubuhi keterangan teks dengan informasi yang menggambarkan kata-kata penting. Misalnya, Anda dapat menggunakan penganalisis untuk menunjukkan semua kata sifat dan kata benda. Hasilnya adalah teks beranotasi:
"Ini adalah _kata_benda pel _kata_sifat !"
Attitude classifier: algoritma terlatih yang menerima teks beranotasi sebagai input dan memprediksi pewarnaan emosionalnya. Anotasi parser secara signifikan berkontribusi pada pembelajaran algoritme: misalnya, dengan menambahkan lebih banyak bobot ke kata sifat, algoritme dengan cepat menyesuaikan dengan kata-kata yang bermakna, seperti "hebat", dan mengabaikan kata-kata yang tidak memiliki makna, misalnya, kata "ini".

Catatan penulis: Parser memberikan anotasi teks yang jauh lebih kaya, tetapi deskripsi yang disederhanakan ini akan cukup untuk menjelaskan pembelajaran mendalam yang mendalam.

Anda dapat menggambarkan dua komponen "konveyor" yang dihasilkan sebagai berikut:

gambar