capítulos anteriores

Aprendizagem profunda de ponta a ponta

47. Introdução à aprendizagem de ponta a ponta

Imagine que você deseja criar um sistema que analise as revisões do produto na Internet e avalie automaticamente se o produto foi apreciado pelo revisor ou não. Por exemplo, a revisão "Este é um ótimo esfregão!" deve ser reconhecido por um sistema como muito positivo. E a resenha "Este esfregão de baixa qualidade - em vão eu o comprei" - é extremamente negativa.

A tarefa de reconhecer opiniões positivas e negativas é chamada de "classificação de sentimentos".
Esse sistema pode parecer um "transportador" composto por dois componentes:

1. Analisador (parser): um sistema que anota o texto com informações que descrevem palavras significativas. Por exemplo, você pode usar o analisador para indicar todos os adjetivos e substantivos. O resultado é um texto anotado:
   "Este é um ótimo _adjetivo mop _substantivo !"
2. Classificador de atitude: um algoritmo treinado que aceita texto anotado como entrada e prevê sua coloração emocional. A anotação do analisador contribui significativamente para o aprendizado do algoritmo: por exemplo, ao atribuir mais peso aos adjetivos, o algoritmo se ajusta rapidamente às palavras significativas, como “ótimo”, e ignora as palavras que não têm significado, por exemplo, a palavra “this”.

Nota do autor: O analisador fornece uma anotação de texto muito mais rica, mas essa descrição simplificada será suficiente para explicar o aprendizado profundo.

Você pode representar o "transportador" de dois componentes resultante da seguinte maneira:

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

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

, . . , , , .

48.

. :

:

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

:

«» , . «» .
, :

«» : , ; ; , .

«» . , « » . .
, «», :

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