بررسی عملکرد رویکردهای پردازش زبان های طبیعی با استفاده از روش های یادگیری ژرف

یادگیری ژرف شاخه ای از یادگیری ماشین و مجموعه ای از الگوریتمهایی است که از لایه های پردازشی چندگانه برای یادگیری بازنمایش سلسله مراتبی داده ها استفاده میکنند. برخلاف یادگیری ماشین، یادگیری ژرف عمدتا بدون نظارت بوده و هدف آن ایجاد شبکه های عصبی بزرگی است که بتوانند یاد بگیرند و بدون دخالت انسان در مورد مسایل فکر کنند. در دوران کنونی، یادگیری ژرف توجه بسیاری از پژوهشگران در حوزه یادگیری ماشین را به خود جلب کرده و باعث پیشرفت قابل توجه ای در بسیاری از کاربردها شده است. یکی از مهمترین مفاهیمی که مرکز توجه توجه محققان بوده است، حوزه پردازش زبانهای طبیعی است. هدف این مقاله به عنوان یک مقاله مروری معرفی یادگیری ژرف و ویژگیهای آن و بررسی کاربرد آن در حوزه پردازش زبانهای طبیعی است. به همین منظور، کارهای انجام شده در این حوزه مبتنی بر یادگیری ژرف به طور کامل مورد بررسی قرار گرفته و ضمن مقایسه رویکردهای موجود و معرفی نقاط قوت و ضعف آنها دورنمایی برای تحقیقات بیشتر در این حوزه ترسیم شده است.

کلیدواژه ها:

پردازش زبان طبیعی ، یادگیری ژرف ، شبکه های کانولوشنی عمیق ، شبکه های بازگشتی عمیق ، نظر کاوی ، ترجمه ماشینی