Redes neuronales gráficas para el procesamiento del lenguaje natural: una revisión

El aprendizaje profundo se ha convertido en el enfoque dominante para abordar diversas tareas en el procesamiento del lenguaje natural (PLN). Aunque las entradas de texto se representan típicamente como una secuencia de tokens, existe una rica variedad de problemas de PLN que pueden expresarse mejor con una estructura de grafo. Como resultado, hay un gran interés en desarrollar nuevas técnicas de aprendizaje profundo en grafos para un gran número de tareas de PLN. En esta monografía, los autores presentan una visión general completa sobre las redes neuronales de grafo (GNN) para el procesamiento del lenguaje natural. Proponen una nueva taxonomía de las GNN para el PLN, que organiza sistemáticamente la investigación existente de las GNN para el PLN a lo largo de tres ejes: construcción de grafos, aprendizaje de representación de grafos y modelos codificador-decodificador basados en grafos. Además, introducen un gran número de aplicaciones de PLN que explotan el poder de las GNN y resumen los correspondientes conjuntos de datos de referencia, métricas de evaluación y códigos de código abierto. Finalmente, discuten varios desafíos pendientes para el uso completo de las GNN para el PLN, así como futuras direcciones de investigación. Esta es la primera visión general completa de las redes neuronales de grafo para el procesamiento del lenguaje natural. Proporciona a estudiantes e investigadores un recurso conciso y accesible para ponerse al día rápidamente con un área importante de la investigación en aprendizaje automático.

Autor: Lingfei Wu Wu, Yu Chen, Kai Shen
Editorial: Now Publishers
Publicado: 25/01/2023
Páginas: 226
Tipo de encuadernación: Tapa blanda
Peso: 0.71lbs
Tamaño: 9.21h x 6.14w x 0.48d
ISBN13: 9781638281429
ISBN10: 1638281424
Categorías BISAC:
- Informática | Teoría de Máquinas
- Informática | Ciencia de Datos | Aprendizaje Automático