阿里首次公布自然語言處理成果

在 conv-RNN 的基礎上，我們進一步提出了一種新的文本分類模型（如圖 4 所示）。為了驗證該模型的有效性，我們選取了業界常用的 5 個標準的分類數據集：Movie Review（MR）；Stanford Sentiment Treebank-1（SST-1）；Stanford Sentiment Treebank-2（SST-2）；Subj；IMDB。由對比結果可知，conv-RNN 在前 4 個數據集上均超越了各類 state-of-the-art 方法。

總結

語義編碼技術是所有 NLP 工作的基礎，也是當前 NLP 技術進一步發展的主要「瓶頸」所在。我們在語義理解以及更上層的智能問答、多輪人機交互方向已經有了一定的技術積累，后續還會繼續在這一方向發力，以期能夠盡快做出為大眾服務的人工智能產品。