1. Deep Learing VS Structured Learning
Deep Learning是指RNN、LSTM、DNN等技术
Structured Learning是指HMM、CRF、SVM、感知机等技术
Deep Learning | Structured Learning |
---|---|
无向的RNN不考虑整个序列 | 使用viterbi[?],需要考虑整个序列 |
难以考虑label dependency | 可以结合label dependency |
cost不能反映error | cost能反应error |
Deep | Linear |
DL效果更好,但SL也很重要,常常将两者结合,能得到比较好的效果。
DL与SL结合的例子:
- 语音识别:CNN/LSTM/DNN + HMM
HMM公式:
将HMM应用于语音识别,那么x代表声音信号,y代表语音辨识的结果。
公式中第一个连乘代表transition部分。这一部分由HMM训练。
第二个连乘代表initial部分。这一部分由DL提供。
公式中,由DL训练,P(x_l)可以忽略,因为代表输入,通过统计可得。
- semantic tagging:双向LSTM + CRF/Structured SVM
先用RNN找出feature
由这些feature定义
用于CRF/SVM
2. is structured learning practical
1:22'12'',这部分没听懂