高教社课件人工智能基础（第5版）E5 第11章 自然语言理解.pptVIP

1.基于深度学习的自动文本处理在深度学习基础上，全面总结机器阅读理解技术的研究背景和发展历史；介绍单词向量、注意力机制和答案预测三项关键技术的研究进展，分析当前机器阅读理解研究面临的问题；并展望机器阅读理解技术的发展趋势等。2.基于深度语言的自然语言问答讨论对话系统中的自动语音识别是如何从传统的GMM-HMM（高斯混合模型-隐马尔可夫模型）架构发展到最新的非线性深度DNN-HMM方案等。11.9.2基于深度学习的其他自然语言处理技术3.语义匹配针对基于文档的自动问答，提出一种基于卷积深度神经网络的语义匹配模型，以提取每对问题和文档的特征，并相应地计算它们的分数。深度学习在自动语音识别、语音合成、语音编码、自然语言问答、语音增强和语义匹配等方面的研究已经通过实验或应用实现，表明其性能优于传统技术。11.9.2基于深度学习的其他自然语言处理技术（续）介绍一种基于深度学习的语音识别模型及其在智能家居中的应用，提出一种基于降噪自动编码器的深度学习语音识别模型，解析出短语控制指令来控制家用设备。语音识别模型包括两部分：首先，进行无监督学习预训练，在预训练前将一些网络节点随机设置为人工模拟噪声数据。然后，使用受限玻尔兹曼机的权重矩阵依次训练每个隐藏层，通过比较输入数据和输出数据的偏差来修改权重，并优化参数。最