基于RNN和Transformer模型的自然语言处理研究综述

来源 :信息记录材料 | 被引量 : 0次 | 上传用户:jners08
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
现今是高度信息化、智能化的社会,人们的生活早已离不开人工智能,如停车厂的车牌识别、美颜相机的智能滤镜以及机器人、语言翻译等.而在这些智能系统的背后,是人工智能在起着关键的作用,深度学习是人工智能的深层次理论,而本文所研究的自然语言处理则是深度学习的一个主要方向,也是机器学习的重要组成部分.自然语言处理简称NLP(natural language processing),NLP是人工智能方向中专门研究人类语言的,它的研究范围包括各个国家的所用语言,并应用于机器翻译、观点提取、语音识别、自动摘要、文本分类等多个方面.NLP的主要神经网络模型包括RNN(recurrent neural network)、LSTM(long short-term memory)、GRU(gate recurrent unit)、Transformer等.通过结合RNN、LSTM以及Transformer模型来对自然语言处理研究的发展进行说明和探讨.
其他文献
氧化铜(CuO)纳米材料是一种天然的具有单斜晶系结构的金属氧化物半导体材料,拥有一系列独特的物理和化学特性,使其在催化、气体检测和场发射等领域都有广泛应用.本文概述了氧化铜纳米材料的特性、制备工艺技术,综述了其在不同领域的应用研究进展,并大胆展望了氧化铜纳米材料今后的发展空间.
作为二肽类人工甜味剂的典型代表,阿斯巴甜(Aspartame,APM)易受温度、水、pH等环境因素的影响,造成分子结构变化,导致失甜甚至产生苦味,从而限制了其使用范围.通过以往对APM分子结构的深入剖析,从分子机理层面分析了APM分子结构对呈甜的影响,同时分析APM分子水解、环合和构象异构从而打破了结合位点分布规律造成失甜.基于对稳定APM分子结构的研究总结,提出稳定APM甜味的可能方法:改变结构、成盐、添加风味改良剂和与金属螯合等,为将来创造更稳定优质的二肽APM衍生物类甜味剂提供研究参考.